A*

A*算法本质上讲是结合了DFS和BFS，针对当前起点先做一次BFS，再针对搜索的八个点做一次DFS

BFS--广度优先算法（Breadth First Search）

DFS

A*

算法思想
A*的核心思想就是先进行一次BFS搜索，然后从这次BFS中找到距离目标点最近的点（这里就是DFS搜索的思想），然后在对这个点，分别进行一次BFS和DFS搜索，重复此操作直到到达目标点为止。

代价方程
设计代价方程计算公式F = G + H F=G+HF=G+H，
式中，G=起点到目标方格的移动代价，沿着起点到目标方格，这里设定水平或者垂直移动一次的代价是10，对角线移动一次为14.
H=从目标方格到终点的估算成本，计算目标方格到终点的代码，只计算水平和垂直移动的格数然后乘以10.

在一个方格中，将FGH分别标记在左上、左下和右下三个位置，以便每次观察估价结果。

JPS

Jps，Jump Point Search,跳点搜索，也有人称之为“拐点寻路”。Jps可追溯到2011年，由两位澳大利亚的教授提出。

原作者论文，github Harabor, Daniel Damir, and Alban Grastien. “Online Graph Pruning for Pathfinding On Grid Maps.” AAAI. 2011.

相比A*算法，JPS算法的性能更快，内存占用更小，。

JPS算法的关键在于如何判断跳点。

一般是通过当前点的处境进行判断的。

例如：当前点向右下走判断时，右边的点是障碍，但右下点不是障碍，那么就可以判断当前点为跳点，右下点为强迫邻居。

代码后续再补

本算法的实现代码很少有人写，但其实优化部分并不多，优化效果也并不好，感觉是一个基于高度概念性的东西。

参考文献：
zerowidth positive lookahead | A Visual Explanation of Jump Point Search

Jump Point Search-跳点搜索法-原理&matlab代码-与A*算法比较（路径规划）_跳点搜索算法-CSDN博客