移动平台上100个人复杂障碍物寻路的思考和实现（理论篇）

        ps：以下数据均以红米1手机为例。

        去年我做了一个项目，当时就为了十个人寻路的良好体验做了多方尝试，并最终通过改写A*算法，而且写了一篇文章：http://blog.csdn.net/yxriyin/article/details/40902063

当时能够做到良好的20人以下的多人寻路，在红米上每一帧也只消耗5ms不到的时间。

        但最近的一个项目是100人左右的在复杂的障碍物之间进行寻路，以前的方法在红米手机上每一帧消耗超过100ms，这是无法接受的。

        如果条件允许，我倒是想使用自带的寻路系统，自带的寻路用的是navmesh，本质上是节点寻路，效率比A*高1-2个数量级，但遗憾的是，游戏的逻辑让我必须使用A*才能实现对应的功能。

        A*是以单元格子作为基本单位的，格子数越多，需要寻路时间越长，我们可以这么来衡量一次A*寻路的性能，此次寻路总共找了200个格子。以coc为例，他们的格子大概是100*100，也就是10000个。这个概念可以用红米测试的时间来说明：假设一次寻路总共找了10000个格子，那么标准A*的耗时是200ms左右（这里是我自己拿了一个A*插件在手机上的测试），而一个流畅的游戏一帧不会超过30ms。

       为了达到流畅的水平，那么每一帧只能寻找500个格子左右，大概耗时10ms，（100个人同时渲染已经占领了绝大多数的帧时间，即使实现这个目标，红米上也只能在20帧左右徘徊，不过渲染的优化还有其他手段，我们这里只考虑寻路优化先）。

       第一个有效手段是排队，我们认为寻路的ai有一秒延迟是合理的。也就是说，一个单位在原地思考1s以内不动，是一个合理行为。那么假设我们维持在24帧，那么就是1s内可以有24个单位排队寻路，每一个人能够尝试找500个格子。但是我们的目标是100个人，也就是说应该是每一帧要有5个人寻路，每一个人找100个格子就能找到终点，这样就能实现目标。然而可想而知，在10000个格子内，用A*算法，想要用100个格子就找到目标，除非是毫无障碍物的情况。

      于是我不得不开始思考为何需要消耗如此的点才能找到终点，再看了大量的文章和以下图片后：

     

我得出一个结论，就是A*在有障碍物的情况下，实在是搜索了太多的无效的点了。而尝试了大半个月的方案后，有一天我突然灵光一闪：我们走迷宫的时候，有一个策略，就是贴着墙壁一直往右走，那么假设我修改A*找格子的策略，不再以启发函数主导，而是饶墙主导，启发函数辅助的形式，是不是是就会得出一个一直往前冲，碰到墙后绕，绕过去之后继续往前冲到达终点。假设这个能成立，那么寻找的格子将大大减少，因为你和墙壁之间的那一大片都不用找了。

当然即使行得通，找到的路径也是很奇怪的，会饶墙而行，不过我以前写过几个路径平滑算法，刚好有一个可以完美处理饶墙而行，让路径变成最短路径。

然后我就马上开始执行这个方案，一边执行一边想，为啥这么牛逼的idea以前没人想到过呢？然后我就发现了问题所在，这么做会出现一个无法解决的情况，就是死胡同，

假设你刚好走进了一个只有一个格子长度的死胡同，那么你就再也找不到路了。因为节点已经被Close了（写过A*的人应该知道这个意思）。不过生活就是这样，在我们的项目中是完全可以保证不存在这样的死胡同的。所以我就安安心心去做了。

最终成功实现。策略如下：

1.计算周围的四个格子，哪一个离终点最近，得到这个格子后，Open之，下面称它为格子A。

2.判断格子A是否贴墙，如果贴墙，那么就要Open周围的三个格子，进入步骤3。如果不贴墙，就直接跳过周围的其他三个格子，贪婪的跳转到步骤1.

3。进入A*正常的流程，用启发函数判断权值等等（具体参考标准A*）

其实很简单，只是通过1和2将大部分格子给pass了，这样的问题也描述了，就是可能找不到路，但是对于我的项目来说，是不会出现的。

这里有几个重点说明：

1.在这种策略下4格子搜索比8格子更快。

2.用这种方式找的路径，必须用路径平滑算法处理，不然走路会很奇怪。

3.判断是否贴墙要注意如果你在墙角边缘，你要判断周围8个格子，不然可能会忽略一些正确的路径导致绕远路。

4.如果障碍物不多，这种算法效率会比A*低。

5.如果障碍物太多，这种算法和A*效率一样，但是由于要路径平滑，所以也会比A*效率低。

哈哈，看了4和5，是不是坑爹啊。但大部分情况都是这样做效率高。最终测试性能结果和预期还是有点差距，一帧300个格子，10ms，可以让50个人一秒内从地图的一端经过复杂的障碍物寻路到另一端，这是目前的极限。100个人的话，会有2s的思考延迟。

目前项目就用这个来处理，体验也马马虎虎，当然如果后续有bug我会再说明。

虽然我也很喜欢分享源代码，但这个代码是整合在我们整个项目中，分离出来比较麻烦，所以目前只打算做理论分享，实战分享希望以后有空专门写一个demo。