关于自动寻路，在游戏中还是经常会遇到的。如角色如何代价最小(距离少，时间快，方式支持)移动到某个位置。本篇记录下A*寻路的流程与优化。

为了做一个可以方便展示在web的demo，更好拆解寻路的步骤，所以本篇用了cocos creater + ts实现。

A星算法是dijkstra的升级版(算法-迪杰斯特拉)，也是属于广度搜索遍历，不同于dijkstra，A星不需要遍历图中所有的节点。而是尽可能的去靠近终点。可以做个想象：地图比作一个挂起来的迷宫，起点在上方，终点在下方，从上方注入水，水会随着重力尽可能向下方(终点)流去。

所以AStar 是可以找到一个最快的路径，即当前的最优解，但这个最快不是唯一的，也可能不是最优的。有点像贪心。其时间复杂度为：O(logN)

A星算法用到的几个变量

1. 设定起点为A，终点为B。
2. 开放列表(OpenList)：记录所有待检测的节点。
3. 关闭列表(CloseList)：记录所有已经检测过的节点。
4. G值：当前节点到下一个节点N(八点 之一)的代价。
5. H值：下一个节点N到终点B的代价。（忽略有墙）
6. F值：F = G + H

代价值的计算：

• 垂直或者左右相邻记作：10
• 斜对角相邻记作：10+10≈14

约定

• 八点指：“上、下、左、右、左上、左下、右上、右下”共八个点。
• 有效八点指：八点中剔除：
  1. 不可达的点(墙)
  2. 已经加入CloseList / OpenList的点
• 三围指 上面定义的三个值：“G, H, F”。

算法流程

1. 将起点作为当前点放入OpenList。
2. 遍历所有OpenList找到F值最小的点(MinFNode)，如果F相同则先择H值最小的点。
3. 把MinFNode从OpenList移除，并加入CloseList。
4. 1. 没有有效八点，回到步骤2。
   2. 拥有有效八点,遍历MinFNode的有效八点，根据以下情况计算三围。
      • 相邻点不在OpenList中。计算三围，加入OpenList。
      • 相邻点已在OpenList中, 跳过。
5. 如果当前点是终点则结束寻路；否则回到步骤2。
6. 直到达到终点，回溯找到起点。

可视化Demo

用cocos creater 做了一个demo，详细展示出寻路的步骤。
如下，绿色节点是在OpenList中找到的最小节点，只需依次点击绿色方块，直到达到终点。最后绘制出寻路路径。

CSDN显示不出来，自行打开查看：
https://game.tonychenn.cn/apps/AStarSearchPath/index.html

或者👉算法-A星寻路👈查看完整文章，感受最佳查看效果。