A星路径搜索

摘要:

　　在人工智能中有一类问题是有确定解的，如路径、五子棋等，这样的问题非常适合使用搜索来解决。 路径搜索是一个很有趣的问题，在人工智能中算是很基础的问题。最近一直在读《Artificial Intelligence-A Modern Approach》，搜索部分看完印象最深的就是A星算法了，这个在游戏开发中也最常用。于是乎做个总结，明天就掀过这篇了。

路径搜索算法：

Dijkstra：

　　Dijkstra 最短路径算法，大学数据结构教科书上都讲过，这里也不赘述了。但是为了及和一下几个算法做比较，我google 了一个图，非常直接的显示Dijkstra算法的搜索过程：

　　图中以中心为起点，以辐射状不断向中心外搜索（每次取距离起点最近的点），一圈一圈向外扩张，直到逼近目标点，完成路径搜索。

Best-First-Search:

　　BSF 每次扩张节点，都选择最接近目标的节点。Dijkstra 是每次都选择据起点最近的节点。区别是到起点的距离总是已知的，而都终点的距离只能是估计的。所以BSF 提供了启发式函数h。常见的启发式函数h有：

• 基于绝对距离，计算当前节点到目标点的绝对距离（此时并不能知晓该路径是否可行，也许会有阻碍）
• 基于方向的，如果目标在东方，那么只向东南、东、东北三个方向扩展，在障碍物少的情况下，BSF可以非常快、非常直接的搜索到目标。如果因障碍阻塞，改变了路径方向，BSF找到的不一定是最近的路径。

A 星算法

　　A 星算法兼具Dijkstra 准确和 BSF 的快速，在搜索路径时，通过启发式函数h 计算当前节点到目标节点的距离，而起点到当前点距离已知，则每次选择f = g + h 最小的节点。A星总是尝试找到最短的路径，阻碍物少的情况下性能接近BSF。

A 星算法原理

 

A 星算法实现

主逻辑实现：

　　

int astar_t::search_path(uint32_t from_index, uint32_t to_index, vector<uint32_t>& path_)
{
    //! open 表中保存待扩展的节点
    //! visited 保存此次搜索访问过的节点，待搜索完成，将其状态恢复到默认状态
    open_table_t        open;
    vector<map_node_t*> visited;

    search_node_t current;
    search_node_t neighbor_node;
    vector<map_node_t*> neighbors;

    //! 先将起始点加入到open 表中
    current.set_pos_index(from_index);
    open.insert(current);

    visited.push_back(m_map.get_node(current.get_pos_index()));

    //! 大循环，直到open为空（找不到目标） 或 找到目标
    while (false == open.empty()) {
        open.pop_first(current);
        
        if (current.get_pos_index() == to_index)
        {
            break;
        }

        //! 添加到close 表
        m_map.get_node(current.get_pos_index())->set_closed();
    
        //! 找到当前节点的所有邻居节点， 不同的游戏中该函数实现可能不同
        //! 有的游戏可以走斜线，而有些不能，如坦克大战就不能走斜线
        m_map.get_neighbors(current.get_pos_index(), neighbors);

        for (size_t i = 0; i < neighbors.size(); ++i)
        {
            map_node_t* neighbor_map_node = neighbors[i];
            neighbor_node.set_pos_index(neighbor_map_node->get_pos_index());
            
            //! 计算该点的 g 和 h 值
            neighbor_node.set_gval(m_map.distance(current.get_pos_index(), neighbor_map_node->get_pos_index()));
            neighbor_node.set_hval(m_map.heuristic(neighbor_map_node->get_pos_index(), to_index));

            //! 如果该点已经在open表中，检查g值，若g值更小，说明当前路径更近，更新open表
            if (true == neighbor_map_node->is_open())
            {
                if (neighbor_node.get_gval() < neighbor_map_node->get_gval())
                {
                    open.update(neighbor_map_node->get_fval(), neighbor_node);
                    neighbor_map_node->set_gval(neighbor_node.get_gval());
                    neighbor_map_node->set_hval(neighbor_node.get_hval());
                    neighbor_map_node->set_parrent(current.get_pos_index());
                }
            }
            //! 如果该点既没有在open，也没有在close中，直接添加到open
            else if (false == neighbor_map_node->is_closed())
            {
                open.insert(neighbor_node);
                neighbor_map_node->set_open();
                neighbor_map_node->set_parrent(current.get_pos_index());
                visited.push_back(neighbor_map_node);
            }
            //! 如果已经在close 中，简单跳过
            else {} //! closed ignore
        }
        neighbors.clear();
    }

    //! 找到了目标，逆序遍历，得到完整的路径
    if (current.get_pos_index() == to_index)
    {
        path_.push_back(current.get_pos_index());
        uint32_t next = m_map.get_node(current.get_pos_index())->get_parrent();
        while (next != from_index)
        {
            path_.push_back(next);
            next = m_map.get_node(next)->get_parrent();
        }
        path_.push_back(from_index);
    }
    
    //! 最后将所有的已访问过的节点状态清楚, 为下次搜索做准备
    for (size_t i = 0; i < visited.size(); ++i)
    {
        visited[i]->clear();
    }
    visited.clear();
    return 0;
}

 

A 星数据结构

1. open 表，维护待扩展的节点，每次从其中找到f = g + h 最小的节点，由pop_first 实现

　　open 表 是按照f = g + h 由大到小顺排序的，是一个multimap

　　

typedef multimap<uint32_t, search_node_t> table_t;
    struct open_table_t
    {
        table_t nodes;
        bool empty() { return nodes.empty(); }
        int pop_first(search_node_t& ret)
        {
            table_t::iterator it = nodes.begin();
            ret = it->second;
            nodes.erase(it);
            return 0;
        }
        void insert(const search_node_t& node_)
        {
            nodes.insert(make_pair(node_.get_fval(), node_));
        }
        void update(uint32_t old_, const search_node_t& node_)
        {
            pair<table_t::iterator, table_t::iterator> ret = nodes.equal_range(old_);
            table_t::iterator it = ret.first;
            for (; it != ret.second; ++it)
            {
                if (it->second == node_)
                {
                    //! 可以优化， 如果前一个比该节点小，才需要删除
                    nodes.erase(it);
                }
            }
            this->insert(node_);
        }
    };

 

2. map 管理器

　　map 管理器记录所有地图信息，记录某个坐标其相邻坐标信息，记录某个坐标是否可通行信息、地图的宽、高等、两点的距离等。map管理器中维护一个二维数组

　　

 map_mgr_t(uint32_t width_, uint32_t height_):
            m_map_nodes(NULL),
            m_width(width_),
            m_height(height_)
        {
            m_map_nodes = (map_node_t*)malloc(m_width * m_height * sizeof(map_node_t));
            for (uint32_t i = 0; i < m_height; ++i)
            {
                for (uint32_t j = 0; j < m_width; ++j)
                {
                    new(m_map_nodes + i * m_width + j) map_node_t(i * m_width + j);
                }
            }
        }

 

3.  获取邻居节点方法如下，限制不能斜着走，不同的游戏可能有不同的实现

 

void get_neighbors(uint32_t pos_, vector<map_node_t*>& ret_)
        {
            map_node_t* tmp = m_map_nodes + pos_ - 1;
            if (tmp >= m_map_nodes && tmp < m_map_nodes + m_height * m_width && tmp->is_can_pass())
            {
                ret_.push_back(tmp);
            }
            tmp = m_map_nodes + pos_ + 1;
            if (tmp >= m_map_nodes && tmp < m_map_nodes + m_height * m_width && tmp->is_can_pass())
            {
                ret_.push_back(tmp);
            }
            tmp = m_map_nodes + pos_ - m_width;
            if (tmp >= m_map_nodes && tmp < m_map_nodes + m_height * m_width && tmp->is_can_pass())
            {
                ret_.push_back(tmp);
            }
            tmp = m_map_nodes + pos_ + m_width;
            if (tmp >= m_map_nodes && tmp < m_map_nodes + m_height * m_width && tmp->is_can_pass())
            {
                ret_.push_back(tmp);
            }
        }

 

4. 启发式函数

　　由于不能斜着走，那么启发式函数h 只是获得x、y上偏移和。

uint32_t heuristic(uint32_t from_, uint32_t to_)
        {
            return this->distance(from_, to_);
        }

TODO：

1. astar_t 应该模板化， heuristic、distance、get_neighbors都应该是可定制的
2. 性能参数测试，如1000*1000地图上最坏情况的搜索开销
3. open表更新还可以优化，当更新g值后若小于迭代器前一个节点，才需要执行删除再插入

 

源代码： http://ffown.googlecode.com/svn/trunk/fflib/ext/algorithm/astar2/

 更多精彩文章 http://h2cloud.org