第一部分：A*算法簡介
寫這篇文章的初衷是應(yīng)一個網(wǎng)友的要求，當(dāng)然我也發(fā)現(xiàn)現(xiàn)在有關(guān)人工智能的中文站點實在太少，我在這里 拋磚引玉，希望大家都來熱心的參與。
還是說正題，我先拿A*算法開刀，是因為A*在游戲中有它很典型的用法，是人工智能在游戲中的代表。
A*算法在人工智能中是一種典型的啟發(fā)式搜索算法，為了說清楚A*算法，我看還是先說說何謂啟發(fā)式算法。
一、何謂啟發(fā)式搜索算法：
在說它之前先提提狀態(tài)空間搜索。狀態(tài)空間搜索，如果按專業(yè)點的說法就是將問題求解過程表現(xiàn)為從 初始狀態(tài)到目標(biāo)狀態(tài)尋找這個路徑的過程。通俗點說，就是在解一個問題時，找到一條解題的過程可以從 求解的開始到問題的結(jié)果（好象并不通俗哦）。由于求解問題的過程中分枝有很多，主要是求解過程中求 解條件的不確定性，不完備性造成的，使得求解的路徑很多這就構(gòu)成了一個圖，我們說這個圖就是狀態(tài)空 間。問題的求解實際上就是在這個圖中找到一條路徑可以從開始到結(jié)果。這個尋找的過程就是狀態(tài)空間搜 索。
常用的狀態(tài)空間搜索有深度優(yōu)先和廣度優(yōu)先。廣度優(yōu)先是從初始狀態(tài)一層一層向下找，直到找到目標(biāo) 為止。深度優(yōu)先是按照一定的順序前查找完一個分支，再查找另一個分支，以至找到目標(biāo)為止。這兩種算 法在數(shù)據(jù)結(jié)構(gòu)書中都有描述，可以參看這些書得到更詳細的解釋。
前面說的廣度和深度優(yōu)先搜索有一個很大的缺陷就是他們都是在一個給定的狀態(tài)空間中窮舉。這在狀 態(tài)空間不大的情況下是很合適的算法，可是當(dāng)狀態(tài)空間十分大，且不預(yù)測的情況下就不可取了。他的效率 實在太低，甚至不可完成。在這里就要用到啟發(fā)式搜索了。
啟發(fā)式搜索就是在狀態(tài)空間中的搜索對每一個搜索的位置進行評估，得到最好的位置，再從這個位置 進行搜索直到目標(biāo)。這樣可以省略大量無畏的搜索路徑，提到了效率。在啟發(fā)式搜索中，對位置的估價是 十分重要的。采用了不同的估價可以有不同的效果。我們先看看估價是如何表示的。
啟發(fā)中的估價是用估價函數(shù)表示的，如：
f(n) = g(n) + h(n)
其中f(n) 是節(jié)點n的估價函數(shù)，g(n)實在狀態(tài)空間中從初始節(jié)點到n節(jié)點的實際代價，h(n)是從n到目 標(biāo)節(jié)點最佳路徑的估計代價。在這里主要是h(n)體現(xiàn)了搜索的啟發(fā)信息，因為g(n)是已知的。如果說詳細 點，g(n)代表了搜索的廣度的優(yōu)先趨勢。但是當(dāng)h(n) >> g(n)時，可以省略g(n),而提高效率。這些就深了， 不懂也不影響啦！我們繼續(xù)看看何謂A*算法。
二、初識A*算法：
啟發(fā)式搜索其實有很多的算法，比如：局部擇優(yōu)搜索法、最好優(yōu)先搜索法等等。當(dāng)然A*也是。這些算法 都使用了啟發(fā)函數(shù)，但在具體的選取最佳搜索節(jié)點時的策略不同。象局部擇優(yōu)搜索法，就是在搜索的過程中 選取“最佳節(jié)點”后舍棄其他的兄弟節(jié)點，父親節(jié)點，而一直得搜索下去。這種搜索的結(jié)果很明顯，由于舍 棄了其他的節(jié)點，可能也把最好的節(jié)點都舍棄了，因為求解的最佳節(jié)點只是在該階段的最佳并不一定是全局 的最佳。最好優(yōu)先就聰明多了，他在搜索時，便沒有舍棄節(jié)點（除非該節(jié)點是死節(jié)點），在每一步的估價中 都把當(dāng)前的節(jié)點和以前的節(jié)點的估價值比較得到一個“最佳的節(jié)點”。這樣可以有效的防止“最佳節(jié)點”的 丟失。那么A*算法又是一種什么樣的算法呢？其實A*算法也是一種最好優(yōu)先的算法。只不過要加上一些約束 條件罷了。由于在一些問題求解時，我們希望能夠求解出狀態(tài)空間搜索的最短路徑，也就是用最快的方法求 解問題，A*就是干這種事情的！我們先下個定義，如果一個估價函數(shù)可以找出最短的路徑，我們稱之為可采 納性。A*算法是一個可采納的最好優(yōu)先算法。A*算法的估價函數(shù)克表示為：
f’(n) = g’(n) + h’(n)
這里，f’(n)是估價函數(shù)，g’(n)是起點到終點的最短路徑值，h’(n)是n到目標(biāo)的最斷路經(jīng)的啟發(fā)值。由 于這個f’(n)其實是無法預(yù)先知道的，所以我們用前面的估價函數(shù)f(n)做近似。g(n)代替g’(n)，但 g(n)>=g’(n) 才可（大多數(shù)情況下都是滿足的，可以不用考慮），h(n)代替h’(n)，但h(n)<=h’(n)才可（這一點特別的重 要）。可以證明應(yīng)用這樣的估價函數(shù)是可以找到最短路徑的，也就是可采納的。我們說應(yīng)用這種估價函數(shù)的 最好優(yōu)先算法就是A*算法。哈！你懂了嗎？肯定沒懂！接著看！
舉一個例子，其實廣度優(yōu)先算法就是A*算法的特例。其中g(shù)(n)是節(jié)點所在的層數(shù)，h(n)=0，這種h(n)肯 定小于h’(n)，所以由前述可知廣度優(yōu)先算法是一種可采納的。實際也是。當(dāng)然它是一種最臭的A*算法。
再說一個問題，就是有關(guān)h(n)啟發(fā)函數(shù)的信息性。h(n)的信息性通俗點說其實就是在估計一個節(jié)點的值 時的約束條件，如果信息越多或約束條件越多則排除的節(jié)點就越多，估價函數(shù)越好或說這個算法越好。這就 是為什么廣度優(yōu)先算法的那么臭的原因了，誰叫它的h(n)=0，一點啟發(fā)信息都沒有。但在游戲開發(fā)中由于實 時性的問題，h(n)的信息越多，它的計算量就越大，耗費的時間就越多。就應(yīng)該適當(dāng)?shù)臏p小h(n)的信息，即 減小約束條件。但算法的準(zhǔn)確性就差了，這里就有一個平衡的問題。可難了，這就看你的了！
好了我的話也說得差不多了，我想你肯定是一頭的霧水了，其實這是寫給懂A*算法的同志看的。哈哈！ 你還是找一本人工智能的書仔細看看吧！我這幾百字是不足以將A*算法講清楚的。只是起到拋磚引玉的作用 希望大家熱情參與嗎！
預(yù)知A*算法的應(yīng)用，請看《深入A*算法》。
第二部分：深入A*算法———淺析A*算法在搜索最短路徑中的應(yīng)用
一、前言
在這里我將對A*算法的實際應(yīng)用進行一定的探討，并且舉一個有關(guān)A*算法在最短路徑搜索 的例子。值得注意的是這里并不對A*的基本的概念作介紹，如果你還對A*算法不清楚的話， 請看姊妹篇《初識A*算法》。
這里所舉的例子是參考AMIT主頁中的一個源程序，你可以在AMIT的站點上下載也可以在我 的站點上下載。你使用這個源程序時，應(yīng)該遵守一定的公約。
二、A*算法的程序編寫原理
我在《初識A*算法》中說過，A*算法是最好優(yōu)先算法的一種。只是有一些約束條件而已。 我們先來看看最好優(yōu)先算法是如何編寫的吧。
如圖有如下的狀態(tài)空間：（起始位置是A，目標(biāo)位置是P，字母后的數(shù)字表示節(jié)點的估價值）
搜索過程中設(shè)置兩個表：OPEN和CLOSED。OPEN表保存了所有已生成而未考察的節(jié)點，CLOSED 表中記錄已訪問過的節(jié)點。算法中有一步是根據(jù)估價函數(shù)重排OPEN表。這樣循環(huán)中的每一 步只考慮OPEN表中狀態(tài)最好的節(jié)點。具體搜索過程如下：
1）初始狀態(tài)：
OPEN=[A5]；CLOSED=[]；
2）估算A5，取得搜有子節(jié)點，并放入OPEN表中；
OPEN=[B4，C4，D6]；CLOSED=[A5]
3）估算B4，取得搜有子節(jié)點，并放入OPEN表中；
OPEN=[C4，E5，F(xiàn)5，D6]；CLOSED=[B4，A5]
4）估算C4；取得搜有子節(jié)點，并放入OPEN表中；
OPEN=[H3，G4，E5，F(xiàn)5，D6]；CLOSED=[C4，B4，A5]
5）估算H3，取得搜有子節(jié)點，并放入OPEN表中；
OPEN=[O2，P3，G4，E5，F(xiàn)5，D6]；CLOSED=H3C4，B4，A5]
6）估算O2，取得搜有子節(jié)點，并放入OPEN表中；
OPEN=[P3，G4，E5，F(xiàn)5，D6]；CLOSED=[O2，H3，C4，B4，A5]
7）估算P3，已得到解；
看了具體的過程，再看看偽程序吧。算法的偽程序如下：
Best_First_Search()
{
Open = [起始節(jié)點]; Closed = [];
while ( Open表非空 )
{
從Open中取得一個節(jié)點X，并從OPEN表中刪除。
if (X是目標(biāo)節(jié)點)
{
求得路徑PATH；返回路徑PATH；
}
for (每一個X的子節(jié)點Y)
{
if( Y不在OPEN表和CLOSE表中 )
{
求Y的估價值；并將Y插入OPEN表中；//還沒有排序
}
else
if( Y在OPEN表中 )
{
if( Y的估價值小于OPEN表的估價值 )
更新OPEN表中的估價值；
}
else //Y在CLOSE表中
{
if( Y的估價值小于CLOSE表的估價值 )
{
更新CLOSE表中的估價值；
從CLOSE表中移出節(jié)點，并放入OPEN表中；
}
}
將X節(jié)點插入CLOSE表中；
按照估價值將OPEN表中的節(jié)點排序；
}//end for
}//end while
}//end func
啊！偽程序出來了，寫一個源程序應(yīng)該不是問題了，依葫蘆畫瓢就可以。A*算法的程序與此 是一樣的，只要注意估價函數(shù)中的g(n)的h(n)約束條件就可以了。不清楚的可以看看《初識A*算法》。好了，我們可以進入另一個重要的話題，用A*算法實現(xiàn)最短路徑的搜索。在此之 前你最好認(rèn)真的理解前面的算法。不清楚可以找我。我的Email在文章尾。
三、用A*算法實現(xiàn)最短路徑的搜索
在游戲設(shè)計中，經(jīng)常要涉及到最短路徑的搜索，現(xiàn)在一個比較好的方法就是用A*算法進行設(shè) 計。他的好處我們就不用管了，反正就是好！^_*
注意下面所說的都是以 ClassAstar 這個程序為藍本，你可以在這里下載這個程序。這個程 序是一個完整的工程。里面帶了一個EXE文件。可以先看看。
先復(fù)習(xí)一下，A*算法的核心是估價函數(shù)f(n)，它包括g(n)和h(n)兩部分。g(n) 是已經(jīng)走過的 代價，h(n)是n到目標(biāo)的估計代價。在這個例子中g(shù)(n)表示在狀態(tài)空間從起始節(jié)點到 n節(jié)點的 深度，h(n)表示n節(jié)點所在地圖的位置到目標(biāo)位置的直線距離。啊！一個是狀態(tài)空間，一個是 實際的地圖，不要搞錯了。再詳細點說，有一個物體A，在地圖上的坐標(biāo)是(xa,ya)，A所要到 達的目標(biāo)b的坐標(biāo)是(xb,yb)。則開始搜索時，設(shè)置一個起始節(jié)點1，生成八個子節(jié)點2 - 9 因 為有八個方向。如圖：
仔細看看節(jié)點1、9、17的g(n)和h(n)是怎么計算的。現(xiàn)在應(yīng)該知道了下面程序中的f(n)是如何 計算的吧。開始講解源程序了。其實這個程序是一個很典型的教科書似的程序，也就是說只要 你看懂了上面的偽程序，這個程序是十分容易理解的。不過他和上面的偽程序有一些的不同， 我在后面會提出來。
先看搜索主函數(shù)：
void AstarPathfinder::FindPath(int sx, int sy, int dx, int dy)
{
NODE *Node, *BestNode;
int TileNumDest;
//得到目標(biāo)位置，作判斷用
TileNumDest = TileNum(sx, sy);
//生成Open和Closed表
OPEN=( NODE* )calloc(1,sizeof( NODE ));
CLOSED=( NODE* )calloc(1,sizeof( NODE ));
//生成起始節(jié)點，并放入Open表中
Node=( NODE* )calloc(1,sizeof( NODE ));
Node->g = 0;
//這是計算h值
Node->h = (dx-sx)*(dx-sx) + (dy-sy)*(dy-sy); // should really use sqrt().
//這是計算f值，即估價值
Node->f = Node->g+Node->h;
Node->NodeNum = TileNum(dx, dy);
Node->x = dx;
Node->y = dy;
OPEN->NextNode=Node; // make Open List point to first node
for (;;)
{ //從Open表中取得一個估價值最好的節(jié)點
BestNode=ReturnBestNode();
//如果該節(jié)點是目標(biāo)節(jié)點就退出
if (BestNode->NodeNum == TileNumDest) // if we’ve found the end, break and finish
break;
//否則生成子節(jié)點
GenerateSuccessors(BestNode,sx,sy);
}
PATH = BestNode;
}
再看看生成子節(jié)點函數(shù) GenerateSuccessors：
void AstarPathfinder::GenerateSuccessors(NODE *BestNode, int dx, int dy)
{
int x, y;
//哦！依次生成八個方向的子節(jié)點，簡單！
// Upper-Left
if ( FreeTile(x=BestNode->x-TILESIZE, y=BestNode->y-TILESIZE) )
GenerateSucc(BestNode,x,y,dx,dy);
// Upper
if ( FreeTile(x=BestNode->x, y=BestNode->y-TILESIZE) )
GenerateSucc(BestNode,x,y,dx,dy);
// Upper-Right
if ( FreeTile(x=BestNode->x+TILESIZE, y=BestNode->y-TILESIZE) )
GenerateSucc(BestNode,x,y,dx,dy);
// Right
if ( FreeTile(x=BestNode->x+TILESIZE, y=BestNode->y) )
GenerateSucc(BestNode,x,y,dx,dy);
// Lower-Right
if ( FreeTile(x=BestNode->x+TILESIZE, y=BestNode->y+TILESIZE) )
GenerateSucc(BestNode,x,y,dx,dy);
// Lower
if ( FreeTile(x=BestNode->x, y=BestNode->y+TILESIZE) )
GenerateSucc(BestNode,x,y,dx,dy);
// Lower-Left
if ( FreeTile(x=BestNode->x-TILESIZE, y=BestNode->y+TILESIZE) )
GenerateSucc(BestNode,x,y,dx,dy);
// Left
if ( FreeTile(x=BestNode->x-TILESIZE, y=BestNode->y) )
GenerateSucc(BestNode,x,y,dx,dy);
}
看看最重要的函數(shù)GenerateSucc：
void AstarPathfinder::GenerateSucc(NODE *BestNode,int x, int y, int dx, int dy)
{
int g, TileNumS, c = 0;
NODE *Old, *Successor;
//計算子節(jié)點的 g 值
g = BestNode->g+1; // g(Successor)=g(BestNode)+cost of getting from BestNode to Successor
TileNumS = TileNum(x,y); // identification purposes
//子節(jié)點再Open表中嗎？
if ( (Old=CheckOPEN(TileNumS)) != NULL ) // if equal to NULL then not in OPEN list, else it returns the Node in Old
{
//若在
for( c = 0; c <8; c++) if( BestNode->Child[c] == NULL ) // Add Old to the list of BestNode’s Children (or Successors).
break;
BestNode->Child[c] = Old;
//比較Open表中的估價值和當(dāng)前的估價值（只要比較g值就可以了）
if ( g g ) // if our new g value is Parent = BestNode;
Old->g = g;
Old->f = g + Old->h;
}
}
else //在Closed表中嗎？
if ( (Old=CheckCLOSED(TileNumS)) != NULL ) // if equal to NULL then not in OPEN list, else it returns the Node in Old
{
//若在
for( c = 0; c<8; c++) if ( BestNode->Child[c] == NULL ) // Add Old to the list of BestNode’s Children (or Successors).
break;
BestNode->Child[c] = Old;
//比較Closed表中的估價值和當(dāng)前的估價值（只要比較g值就可以了）
if ( g g ) // if our new g value is Parent = BestNode;
Old->g = g;
Old->f = g + Old->h;
//再依次更新Old的所有子節(jié)點的估價值
PropagateDown(Old); // Since we changed the g value of Old, we need
// to propagate this new value downwards, i.e.
// do a Depth-First traversal of the tree!
}
}
else//不在Open表中也不在Close表中
{
//生成新的節(jié)點
Successor = ( NODE* )calloc(1,sizeof( NODE ));
Successor->Parent = BestNode;
Successor->g = g;
Successor->h = (x-dx)*(x-dx) + (y-dy)*(y-dy); // should do sqrt(), but since we don’t really
Successor->f = g+Successor->h; // care about the distance but just which branch looks
Successor->x = x; // better this should suffice. Anyayz it’s faster.
Successor->y = y;
Successor->NodeNum = TileNumS;
//再插入Open表中，同時排序。
Insert(Successor); // Insert Successor on OPEN list wrt f
for( c =0; c <8; c++) if ( BestNode->Child[c] == NULL ) // Add Old to the list of BestNode’s Children (or Successors).
break;
BestNode->Child[c] = Successor;
}
}
哈哈！A*算法我懂了！當(dāng)然，我希望你有這樣的感覺！不過我還要再說幾句。仔細看看這個程 序，你會發(fā)現(xiàn)，這個程序和我前面說的偽程序有一些不同，在GenerateSucc函數(shù)中，當(dāng)子節(jié)點 在Closed表中時，沒有將子節(jié)點從Closed表中刪除并放入Open表中。而是直接的重新的計算該 節(jié)點的所有子節(jié)點的估價值（用PropagateDown函數(shù)）。這樣可以快一些！另當(dāng)子節(jié)點在 Open 表和Closed表中時，重新的計算估價值后，沒有重新的對Open表中的節(jié)點排序，我有些想不通， 為什么不排呢？:-(，會不會是一個小小的BUG。你知道告訴我好嗎