A*算法详解与应用-CSDN博客

本文链接：https://blog.csdn.net/u010758410/article/details/82426672

A*算法是Dijkstra算法的扩展，常用于高效寻路和图遍历。算法涉及搜索区域、开放列表、父节点和路径排序。路径成本通过F(n) = G + H计算，其中G是实际移动开销，H是启发函数估算的未来成本，通常使用曼哈顿距离。该算法在游戏开发等领域有广泛应用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

https://blog.csdn.net/ruils/article/details/40780657
https://blog.csdn.net/hitwhylz/article/details/23089415
https://blog.csdn.net/denghecsdn/article/details/78778769
https://www.cnblogs.com/21207-iHome/p/6048969.html

A*算法原理：

　　在计算机科学中，A*算法作为Dijkstra算法的扩展，因其高效性而被广泛应用于寻路及图的遍历，如星际争霸等游戏中就大量使用。在理解算法前，我们需要知道几个概念：

搜索区域（The Search
开放列表(Open List)：我们将路径规划过程中待检测的节点存放于Open List中，而已检测过的格子则存放于Close
父节点（parent）：在路径规划中用于回溯的节点，开发时可考虑为双向链表结构中的父结点指针。
路径排序（Path Sorting）：具体往哪个节点移动由以下公式确定：F(n) = G + H。G代表的是从初始位置A沿着已生成的路径到指定待检测格子的移动开销。H指定待测格子到目标节点B的估计移动开销。
启发函数（Heuristics
Function）：H为启发函数，也被认为是一种试探，由于在找到唯一路径前，我们不确定在前面会出现什么障碍物，因此用了一种计算H的算法，具体根据实际场景决定。在我们简化的模型中，H采用的是传统的曼哈顿距离（Manhattan
Distance），也就是横纵向走的距离之和。

import java.util.ArrayList;
import java.util.List;

public class AStar {
   
   

    public static final int[][] maps = {
            {
  
  0, 0, 0, 0, 0, 0, 0, 0, 0},
            {
  
  0, 0, 0, 0, 0, 0, 0, 0, 0},
            {
  
  0, 0, 0, 0, 0, 0, 0, 0, 0},
            {
  
  0, 0, 0, 1, 0, 0, 0, 0, 0},
            {
  
  0, 0, 0, 1, 0, 0, 0, 0, 0},
            {
  
  0, 0, 0, 1, 0, 0, 0, 0, 0},
            {
  
  0, 0, 0, 1, 0, 0, 0, 0, 0},
            {