Cocos2d-x 地图行走的实现3：A*算法

我们先修改一下之前的Dijkstra的实现，让它变得更像A*的结构。然后，我们再把Dijkstra改成A*。要想对A*有更深的理解，应该先学习Dijkstra。其实A*是Dijkstra的一种改进。

1.修改一下Dijkstra的实现

　　回顾一下之前Dijkstra的实现。Dijkstra需要从一个表Ｑ中选出一个路径代价最小的顶点。之前我们的实现是，一开始就把所有的顶点都放入这个表Ｑ中。仔细想下就会发现，那些被初始化为路径代价最大值0x0FFFFFFF的顶点是不可能会被选中的，对于这些顶点不需要遍历。从表中取出的路径代价最小的顶点，取出一个就表示从起点找到了到这个顶点的最短路径，这些顶点不需要再放回列表中。

　　我们可以对Dijkstra做这样一个小小的优化，虽然还是Ｏ（Ｎ＾２），时间复杂度没有改变：
　　　　一开始只把起始顶点放入表中。
　　　　如果松弛成功，就把边终点指向的顶点放入表中。

　　这样做的话，Relax就要返回结果了。

　　

　　实现代码如下：

[cpp]
view plain
copy
print
?







void Dijkstra::Execute( const Graph& Graph , const string& VetexId )

{

m_Ret.PathTree.clear( ) ;

const auto& Vertexes = Graph.GetVertexes( ) ;

Vertex* pVertexStart = Vertexes.find( VetexId )->second ;

vector< Vertex* > Q ;

// 初始化顶点

for ( auto& it : Vertexes )

{

it.second->PathfindingData.Cost = 0x0FFFFFFF ;

pVertexStart->PathfindingData.pParent = 0 ;

}

// 初始化起始顶点

pVertexStart->PathfindingData.Cost = 0 ;

pVertexStart->PathfindingData.pParent = 0 ;

// 把起始顶点放入列表中

Q.push_back( pVertexStart ) ;

pVertexStart->PathfindingData.Flag = true ;

for ( ; Q.size() > 0 ; )

{

// 选出最小路径估计的顶点

auto v = ExtractMin( Q ) ;

v->PathfindingData.Flag = false ;

// 对所有的出边进行“松弛”

const auto& EO = v->GetEdgesOut( ) ;

for ( auto& it : EO )

{

Edge* pEdge = it.second ;

Vertex* pVEnd = pEdge->GetEndVertex( ) ;

bool bRet = Relax( v , pVEnd , pEdge->GetWeight( ) ) ;

// 如果松弛成功，加入列表中。

if ( bRet && pVEnd->PathfindingData.Flag == false )

{

Q.push_back( pVEnd ) ;

pVEnd->PathfindingData.Flag = true ;

}

}

// end for

}

// end for

}

　　Dijkstra要比BFS聪明，BFS只是“盲目地”从队列中取出元素出来扩展，Dijkstra则知道每次应该选取路径代价最短的节点扩展。

2.A*算法

　　Dijkstra比BFS聪明，A*则比Dijkstra更聪明，运行更快。A*通过一个叫“启发式函数”的东东来改进扩展规则，它会尽量避免扩展其他无用的顶点，它的目标就是朝着目的地直奔而去的。这样说，好像A*长了眼睛一样能看到当前位置距离目标点还有多远。A*和上面的Dijkstra最大的区别就是有“眼睛”：启发式函数。

　　启发式函数会告诉A*应该优先扩展哪个顶点。启发式函数是怎么回事呢？公式表示是：F = G + H。简单地说，就是：当前顶点的路径代价（G） + 当前顶点距离目标顶点估计花费的代价（F）

　　之前对Dijkstra做修改优化，就是为了让它更加像A*算法。这里，把Dijkstra的启发式数据从选拥有最小路径代价的顶点改成选拥有最小的F（启发式函数的值）的顶点就变成了A*。估价函数H怎么设计呢？这里取顶点到目标顶点的距离即可。

　　我们需要对上面的Dijkstra和数据结构做如下改造：

　　1.顶点类的寻路数据结构体增加一个Heuristic字段。该字段用于A*算法，保存启发式函数计算出来的值。如下所示：

[cpp]
view plain
copy
print
?







class Vertex

{

// ... 省略了一些无关函数和字段

// 和以前一样

public :

// 寻路算法需要的数据

struct Pathfinding

{

// 顶点的前驱顶点。

Vertex * pParent ;

// 路径代价估计

int Cost ;

// 标识符

int Flag ;

// 启发式函数的计算出来的值

int Heuristic ;

Pathfinding( )

{

pParent = 0 ;

Cost = 0 ;

Flag = 0 ;

Heuristic = 0 ;

}

}

PathfindingData ;

}

　　2.Dijkstra的Relax松弛函数，改成限制启发式函数F的值。如果计算出来的F值小于这个顶点原先的F值，就更新该顶点的父节点、实际路径代价、F值。

　　3.每次循环都判断下，找出来的最小F值的顶点是不是目标顶点。如果是目标顶点，说明找到了路径，算法结束。

　　用在这里的A*伪代码如下：

[cpp]
view plain
copy
print
?







AStar( 图G，起始顶点S，目标顶点T）

{

把起点S放入Open表中

while( Open表不为空）

{

从Open表中取出估价值F最小的顶点v

标记v不在Open表中

if( v 等于 目标顶点T）

{

// 找到了路径

retrun ;

}

foreach( v的所有出边的终点顶点vEnd )

{

Relax( v , vEnd , 边的权值 ）

if( Relax松弛成功 且 顶点vEnd不在Open表中 )

{

把vEnd放入Open表中 ;

标记vEnd在Open表中 ;

}

}

}

}

bool Relax( 顶点from , 顶点to , 边上的权值 )

{

// A*启发式函数计算 F = G + H

G = 顶点from的路径代价 + 边上的权值 ;

H = 顶点to到目标顶点T的估计代价 ;

F = G + H ;

if( F < 顶点to的F估价值）

{

记录to的父路径为from ;

顶点to的路径代价值更新为G ;

顶点to的启发式估价值F更新为F ;

return true ;

}

return false ;

}

　　可以看到，A*和我们改造的Dijkstra算法，是很像的。如果我们让A*的启发式函数F=G+H的H一直返回0，那就是一个Dijkstra。这里要把A*改成Dijkstra只需要修改一句话。

　　下面是我实现的A*算法。

　　AStar.h

[cpp]
view plain
copy
print
?







#pragma once

#include "GraphPathfinding.h"

#include <functional>

class AStar : public GraphPathfinding

{

public:

AStar( );

~AStar( );

public :

// 估计顶点到目标顶点的代价

std::function<int( const Vertex* pVCurrent , const Vertex* pVTarget ) > Estimate ;

public:

virtual void Execute( const Graph& Graph , const string& VetexId ) override ;

private :

// 抽出最小路径估值的顶点

inline Vertex* ExtractMin( vector< Vertex* >& Q ) ;

// 松弛

inline bool Relax( Vertex* v1 , Vertex* v2 , int Weight ) ;

public:

void SetTarget( Vertex* pVTarget ) { m_pVTarget = pVTarget ; }

private:

Vertex* m_pVTarget ;

};

　　AStar.cpp

[cpp]
view plain
copy
print
?







#include "AStar.h"

AStar::AStar( )

{

}

AStar::~AStar( )

{

}

void AStar::Execute( const Graph& Graph , const string& VetexId )

{

const auto& Vertexes = Graph.GetVertexes( ) ;

Vertex* pVertexStart = Vertexes.find( VetexId )->second ;

vector< Vertex* > Q ;

// 初始化顶点

for ( auto& it : Vertexes )

{

Vertex* pV = it.second ;

pV->PathfindingData.Cost = 0 ;

pV->PathfindingData.pParent = 0 ;

pV->PathfindingData.Heuristic = 0x0FFFFFFF ;

pV->PathfindingData.Flag = false ;

}

// 初始化起始顶点

pVertexStart->PathfindingData.pParent = 0 ;

pVertexStart->PathfindingData.Cost = 0 ;

pVertexStart->PathfindingData.Heuristic = Estimate( pVertexStart , m_pVTarget ) ;

// 把起始顶点放入列表中

Q.push_back( pVertexStart ) ;

pVertexStart->PathfindingData.Flag = true ;

for ( ; Q.size( ) > 0 ; )

{

// 选出最小路径估计的顶点

auto v = ExtractMin( Q ) ;

v->PathfindingData.Flag = false ;

if ( v == m_pVTarget )

{

return ;

}

// 对所有的出边进行“松弛”

const auto& EO = v->GetEdgesOut( ) ;

for ( auto& it : EO )

{

Edge* pEdge = it.second ;

Vertex* pVEnd = pEdge->GetEndVertex( ) ;

bool bRet = Relax( v , pVEnd , pEdge->GetWeight( ) ) ;

// 如果松弛成功，加入列表中。

if ( bRet && pVEnd->PathfindingData.Flag == false )

{

Q.push_back( pVEnd ) ;

pVEnd->PathfindingData.Flag = true ;

}

}

// end for

}

// end for

}

Vertex* AStar::ExtractMin( vector< Vertex* >& Q )

{

Vertex* Ret = 0 ;

Ret = Q[ 0 ] ;

int pos = 0 ;

for ( int i = 1 , size = Q.size( ) ; i < size ; ++i )

{

if ( Ret->PathfindingData.Heuristic > Q[ i ]->PathfindingData.Heuristic )

{

Ret = Q[ i ] ;

pos = i ;

}

}

Q.erase( Q.begin( ) + pos ) ;

return Ret ;

}

bool AStar::Relax( Vertex* v1 , Vertex* v2 , int Weight )

{

// 这里就是启发式函数

int G = v1->PathfindingData.Cost + Weight ; // 取得从V1到V2的实际路径代价

int H = Estimate( v2 , m_pVTarget ) ; // 估计V2到目标节点的路径代价

int nHeuristic = G + H ; // 实际 + 估算 = 启发式函数的值

// 如果从此路径达到目标会被之前计算的更短，就更新

if ( nHeuristic < v2->PathfindingData.Heuristic )

{

v2->PathfindingData.Cost = G ;

v2->PathfindingData.pParent = v1 ;

v2->PathfindingData.Heuristic = nHeuristic ;

return true ;

}

return false ;

}

　　Ｈ函数（估计当前顶点到目标顶点的代价）”外包“到外部执行了。因为AStart类是不知道MapWalkVertex顶点类的存在的。为什么要”外包“执行，而不是在AStar类中做呢？如果要在AStar类中做，就需要知道每个顶点的几何位置，而顶点的几何位置是Cocos2D-x的Node类的属性。AStar类不应该和其他东西耦合，为了”独立“，”通用“，计算Ｈ就用观察者模式思想，”外包“执行了。

　　AStar类的使用，如下：

[cpp]
view plain
copy
print
?







// A*的Ｈ估价函数

auto Estimate = [ ]( const Vertex* pVCurrent , const Vertex* pVTarget )->int

{

MapWalkVertex * pMwv1 = ( MapWalkVertex* )pVCurrent->UserData.find( "mwv" )->second ;

MapWalkVertex * pMwv2 = ( MapWalkVertex* )pVTarget->UserData.find( "mwv" )->second ;

Point v = pMwv1->getPosition( ) - pMwv2->getPosition( ) ;

int H = v.getLength( ) ;

return H ;

} ;

AStar AStar ;

// 设置目的顶点

AStar.SetTarget( pVertexTarget ) ;

// 设置Ｈ估价函数

AStar.Estimate = Estimate ;

// 开始执行

AStar.Execute( *m_pGraph , pMwvStart->GetGraphVertex( )->GetId( ) ) ;

　　OK ,A* 完成了。测试运行一下：



　　经过测试。我们的Ａ*能找到最短路径。并且执行速度比Dijkstra和Spfa都快。

4.简要总结Djikstra，SPFA，A*算法

　　Dijsktra : 选出一个具有最小路径代价的顶点，松弛其所有的边。
　　SPFA : 用一个队列存放顶点，从队列中取出队头顶点，松弛其所有边，如果松弛成功，边上顶点入队。
　　A* : 是Djikstra的改进版。选出具有启发式函数值最小的顶点，松弛其所有的边。

4.本文源代码工程下载：

　　http://download.csdn.net/detail/stevenkylelee/7734787

转自：http://blog.csdn.net/stevenkylelee/article/details/38456419