A*搜尋演算法

A*搜尋演算法（A* search algorithm）是一種在圖形平面上，有多個節點的路徑，求出最低通過成本的演算法。常用於遊戲中的NPC的移動計算，或網絡遊戲的BOT的移動計算上。

A*搜尋演算法的演示圖

該演算法綜合了最良優先搜尋（英語：Best-first search）和Dijkstra演算法的優點：在進行啟發式搜尋提高演算法效率的同時，可以保證找到一條最佳路徑（需要評估函數滿足單調性）。

在此演算法中，如果以${\displaystyle g(n)}$表示從起點到任意頂點${\displaystyle n}$的實際距離，${\displaystyle h(n)}$表示任意頂點${\displaystyle n}$到目標頂點的估算距離（根據所採用的評估函數的不同而變化），那麼A*演算法的估算函數為：

${\displaystyle f(n)=g(n)+h(n)}$

這個公式遵循以下特性：

• 如果${\displaystyle g(n)}$為0，即只計算任意頂點${\displaystyle n}$到目標的評估函數${\displaystyle h(n)}$，而不計算起點到頂點${\displaystyle n}$的距離，則演算法轉化為使用貪心策略的最良優先搜尋（英語：Best-first search），速度最快，但可能得不出最佳解；
• 如果${\displaystyle h(n)}$不大於頂點${\displaystyle n}$到目標頂點的實際距離，則一定可以求出最佳解，而且${\displaystyle h(n)}$越小，需要計算的節點越多，演算法效率越低，常見的評估函數有——歐幾里得距離、曼哈頓距離、切比雪夫距離；
• 如果${\displaystyle h(n)}$為0，即只需求出起點到任意頂點${\displaystyle n}$的最短路徑${\displaystyle g(n)}$，而不計算任何評估函數${\displaystyle h(n)}$，則轉化為最短路問題，即Dijkstra演算法，此時需要計算最多的頂點；

偽代碼

//Matlab語言
 function A*(start,goal)
     closedset := the empty set                                        //已经被估算的節點集合
     openset := set containing the initial node                        //將要被估算的節點集合，初始只包含start
     came_from := empty map
     g_score[start] := 0                                               //g(n)
     h_score[start] := heuristic_estimate_of_distance(start, goal)     //通過估計函數 估計h(start)
     f_score[start] := h_score[start]                                  //f(n)=h(n)+g(n)，由於g(n)=0，所以省略
     while openset is not empty                                        //當將被估算的節點存在時，執行循環
         x := the node in openset having the lowest f_score[] value    //在將被估計的集合中找到f(x)最小的節點
         if x = goal                                                   //若x為終點，執行
             return reconstruct_path(came_from,goal)                   //返回到x的最佳路徑
         remove x from openset                                         //將x節點從將被估算的節點中刪除
         add x to closedset                                            //將x節點插入已經被估算的節點
         for each y in neighbor_nodes(x)                               //循環遍歷與x相鄰節點
             if y in closedset                                         //若y已被估值，跳過
                 continue
             tentative_g_score := g_score[x] + dist_between(x,y)       //從起點到節點y的距離

             if y not in openset                                       //若y不是將被估算的節點
                 tentative_is_better := true                           //暫時判斷為更好
             elseif tentative_g_score < g_score[y]                     //如果起點到y的距離小於y的實際距離
                 tentative_is_better := true                           //暫時判斷為更好
             else
                 tentative_is_better := false                          //否則判斷為更差
             if tentative_is_better = true                             //如果判斷為更好
                 came_from[y] := x                                     //將y設為x的子節點
                 g_score[y] := tentative_g_score                       //更新y到原點的距離
                 h_score[y] := heuristic_estimate_of_distance(y, goal) //估計y到終點的距離
                 f_score[y] := g_score[y] + h_score[y]
                 add y to openset                                      //將y插入將被估算的節點中
     return failure
 
 function reconstruct_path(came_from,current_node)
     if came_from[current_node] is set
         p = reconstruct_path(came_from,came_from[current_node])
         return (p + current_node)
     else
         return current_node

相關連結

• 尋路
• 廣度優先搜尋
• 深度優先搜尋

外部連結

• A* 演算法簡介 (A* Algorithm Brief)（頁面存檔備份，存於互聯網檔案館）