深入浅出 A* 算法（一）

会豪

已于 2025-08-28 15:47:03 修改

阅读量1.3k

点赞数 37

CC 4.0 BY-SA版权

分类专栏：算法文章标签：算法

于 2025-08-26 21:40:09 首次发布

3 篇文章

订阅专栏

本篇文章主要讲解A*算法，通过一个小案例，来带领同学们理解A*算法，A*算法是什么，底层逻辑是什么，以及在实际中有什么应用

**A*算法简介**

A*算法：通往最优路径的智能导航者

当我们玩游戏时，NPC总能巧妙地绕过障碍物找到我们；当我们使用地图软件时，它能瞬间规划出多条可行路线。这背后离不开一个强大而优雅的算法——A*（A-Star）算法。

1968年，来自斯坦福研究所（SRI）的Peter Hart、Nils Nilsson以及Bertram Raphael共同发表了这一算法。他们的工作属于早期人工智能研究的一部分，旨在为机器（如Shakey机器人）解决路径规划问题。

在A*之前，已有一些路径搜索算法，如：

A*算法的伟大之处在于它创造性地融合了这两者的优点。它既像Dijkstra一样，考虑从起点出发的实际代价（g(n)），保证准确性；又像最佳优先搜索一样，利用到目标的预估代价（h(n)）来引导搜索方向，提高效率。这种“瞻前顾后”的特性使其成为当时最有效的启发式搜索算法。

A*算法之所以高效，在于它有一个简单的决策公式：

f(n) = g(n) + h(n)

这个公式为地图上的每一个节点（位置）计算一个优先级分数 f(n)。

g(n)：脚踏实地的事实。代表从起始点到当前节点 n 的实际代价。这是一个已经发生、确切已知的成本，比如已经走过的距离或耗时。
h(n)：仰望星空的预估。代表从当前节点 n 到目标点的预估代价。这是一个猜测值，由“启发式函数”计算得出。这也是A*算法的“智能”所在。
f(n)：综合评分。是经过节点 n 的路径的预期总代价。算法永远优先探索开放列表中 f(n) 值最小的节点，因为这条路“看起来”是最有希望的。

工作流程与两个列表：
A*算法通过维护两个列表来有条不紊地工作：

h(n) 的设计是A*算法的灵魂，它直接决定了算法的行为和效率。

可接受性 (Admissible)：这是保证A*能找到最短路径的关键。一个启发式函数必须是可接受的——即它永远不能高估到达目标的实际代价。它必须是一个“乐观的估计”。
常见启发函数（以网格地图为例）：
- 曼哈顿距离：适用于只能上下左右移动的场景。h(n) = |x₁ - x₂| + |y₁ - y₂|
- 对角线距离：适用于可以八方向移动（包括对角线）的场景。h(n) = max(|x₁ - x₂|, |y₁ - y₂|)
- 欧几里得距离：适用于可以向任意方向移动的场景。h(n) = √((x₁ - x₂)² + (y₁ - y₂)²) （虽然准确，但计算稍慢，且通常需要乘以一个系数以保证可接受性）