AStar算法学习笔记

最近在负责布线的一些功能的优化   在大神（第二个链接的作者）的启发知道下 知道了 AStar算法 如获至宝

学习算法的主要连接为： 极限定律 My Algorithm Space A*算法入门  

已有的RCP根据AStar布线的算法:  RCP：gef智能寻路算法（A star）

以下是连接的部分内容和个人理解：

核心公式：    f(最终路径长度) = g(起点到x点的长度）+ h(x点到终点的估计长度）

                        开启列表：将要被遍历的点的集合

                        关闭列表：已经被遍历的点的集合

        理解： x点:  是正在遍历 估值的点。  刚开始的时候  x点就是起点；然后以一定策略向终点靠近，x点就是过程中的点；当然最期望的是x点就是终点

                     g: 是可以明确计算出  并且要实时保持为最短最优的(通过)

                     h:  核心是：越靠近终点  值越小   
                          一般是曼哈顿方法方法（|x|+|y|),也可以算两点间距离（如果不是切割成正方形）还有其他   

                         虽然前方是大河 深渊但还得前进不是，等看到在想办法

核心策略：

             从开启列表找出最小f的点  遍历他周围的点时的逻辑：

            1. * 如果它不可通过或者已经在关闭列表中，略过它。  

              理解：为了躲过障碍  并且 不回头

            2.* 如果它不在开启列表中，把它添加进去。把当前格作为这一格的父节点。记录这一格的F,G,和H值。  

              理解：以当前点探索到的新地形    1，为新地形标记测算并加到可探索集合中去（方便后续计算），2.记录从何而来 （这点很重要  如果这个点是终点   你就可以从终点找回到起点    你懂的）

            3.* 如果它已经在开启列表中，用G值为参考检查新的路径是否更好。更低的G值意味着更好的路径。如果是这样，就把这一格的父节点改成当前格，并且重新计算这一格的G和F值。如果你保持你的开启列表按F值排序，改变之后你可能需要重新对开启列表排序。

            理解：1.优化G值   这个是明确的值（之前探索结果：A->B->C(权：20 )   现在： 如果A->C（权：15） 自然要优化C地形 正名呀）

                        2.遍历开启列表F值最小的  （因为这个点更可能是最优的方向 ）

完整的逻辑如下：

1，把起始格添加到开启列表。

2，重复如下的工作：

      a) 寻找开启列表中F值最低的格子。我们称它为当前格。

      b) 把它切换到关闭列表。

      c) 对相邻的格中的每一个？

          * 如果它不可通过或者已经在关闭列表中，略过它。反之如下。

          * 如果它不在开启列表中，把它添加进去。把当前格作为这一格的父节点。记录这一格的F,G,和H值。

          * 如果它已经在开启列表中，用G值为参考检查新的路径是否更好。更低的G值意味着更好的路径。如果是这样，就把这一格的父节点改成当前格，并且重新计算这一格的G和F值。如果你保持你的开启列表按F值排序，改变之后你可能需要重新对开启列表排序。

      d) 停止，当你

          * 把目标格添加进了关闭列表(注解)，这时候路径被找到，或者

          * 没有找到目标格，开启列表已经空了。这时候，路径不存在。

3.保存路径。从目标格开始，沿着每一格的父节点移动直到回到起始格。这就是你的路径。