A*寻路算法入门(四)


大熊猫猪·侯佩原创或翻译作品.欢迎转载,转载请注明出处.
如果觉得写的不好请告诉我,如果觉得不错请多多支持点赞.谢谢! hopy ;)


免责申明:本博客提供的所有翻译文章原稿均来自互联网,仅供学习交流之用,请勿进行商业用途。同时,转载时不要移除本申明。如产生任何纠纷,均与本博客所有人、发表该翻译稿之人无任何关系。谢谢合作!

路径评分

我们将给每一个正方形一个分值 G + H :

  • G是从开始点A到当前方块的移动花费.所以对于一个开始A点的邻居方块来说,值为1,但是离开开始点越远它的值会越大.
  • H是当前方块到目的方块(我们称该点为有骨头的点B!)的估计移动花费,这通常称之为启发式的算法,因为我们并不真的清楚花费是多少 — 它仅是一个估计值.

你可能会奇怪”移动花费”的意思.在这个游戏中它十分的简单 — 就是(途经)方块的数量.

不管如何,记住你可以将我们的游戏变得不一样.比如说:

  • 如果你允许对角线移动,你可能会将对角线移动的花费设置的高一点.
  • 如果你有不同的地形,你可能将通过它们的花费设置的不一样 — 举个栗子:沼泽,水或者是猫女的海报 ;-)

这就是大体上的想法 — 现在我们进一步研究如何去计算G和H的值.

更多的关于G

回忆一下,G是从开始点A到当前方块的移动花费(在这个游戏中就是经过方块的数量).

为了计算G,我们需要将其父方块(该方块表示我们从哪来)的G取出然后加1.因此,每个方块的G值将表示从点A到自身方块一般路径总的花费.

举个栗子,以下图片展示了到达2个不同骨头的2个不同路径,每个方块的G值都列在方块中:

这里写图片描述

更多的关于H

回忆以下,H是当前方块到目的地估计的移动花费(在我们的游戏中也就是途经方块的数量).

估计移动花费越接近于实际的花费,则最终路径将会更准确.如果估计发生了偏差,可能产生的路径将不是最短的(但可能还是会很接近).这个主题有点复杂,所以在该系列课程中我们不会详述,但是我会在文章结尾提供一个链接文章,它解释的非常好.

简单来说,我们将使用”曼哈顿距离方法”(同样称之为”曼哈顿长度”或者是”街区距离”),它仅仅计算到达B点水平和垂直的方块数量,但并不考虑任何障碍物或不同的地形.

举个栗子,这里有一张图展示了使用”街区距离”去估计从不同的起始位置到目的位置的H值(显示在空白处):

这里写图片描述

智能推荐

注意!

本站转载的文章为个人学习借鉴使用,本站对版权不负任何法律责任。如果侵犯了您的隐私权益,请联系我们删除。



 
© 2014-2019 ITdaan.com 粤ICP备14056181号  

赞助商广告