版權聲明：本文爲(For)CSDN博主「曼陀羅彼岸花」的(Of)原創文章，遵循 CC 4.0 BY-SA 版權協議，轉載請附上原文出(Out)處鏈接及本聲明。

        原文鏈接：

        https://blog.csdn.net/tiandijun/article/details/62226163

        下面是路徑規劃最常用(Use)的(Of)A*算法的(Of)介紹。

        1、路徑規劃定義

        路徑規劃是指的(Of)是機器人(People)的(Of)最優路徑規劃問題，即依據某個(Indivual)或某些優化準則（如工作(Do)代價最小、行走路徑最短、行走時(Hour)間最短等），在(Exist)工作(Do)空間中找到(Arrive)一(One)個(Indivual)從起始狀态到(Arrive)目标狀态能避開障礙物的(Of)最優路徑。

        也就是說，應注意以(By)下三點：

        ❖   明确起始位置及終點

        ❖   避開障礙物

        ❖   盡可能做到(Arrive)路徑上的(Of)優化

        機器人(People)的(Of)路徑規劃應用(Use)場景極豐富，最常見如遊戲中NPC及控制角色的(Of)位置移動，百度地圖等導航問題，小到(Arrive)家庭掃地機器人(People)、無人(People)機，大(Big)到(Arrive)各公司正争相開拓的(Of)無人(People)駕駛汽車等。

        這(This)裏介紹一(One)下在(Exist)遊戲以(By)及無人(People)機航線規劃上最常見的(Of)A*算法。

        2、A*算法詳解

        在(Exist)計算機科學中，A*算法作(Do)爲(For)Dijkstra算法的(Of)擴展，因其高效性而被廣泛應用(Use)于(At)尋路及圖的(Of)遍曆，如星際争霸等遊戲中就大(Big)量使用(Use)。

        在(Exist)理解算法前，我(I)們需要(Want)知道幾個(Indivual)概念：

        搜索區域（The Search Area）：圖中的(Of)搜索區域被劃分爲(For)了簡單的(Of)二維數組，數組每個(Indivual)元素對應一(One)個(Indivual)小方格，當然我(I)們也可以(By)将區域等分成是五角星、矩形等，通常将一(One)個(Indivual)單位的(Of)中心點稱之爲(For)搜索區域節點（Node），而非方格（Squares）。

        開放列表(Open List)：我(I)們将路徑規劃過程中待檢測的(Of)節點存放于(At)Open List中，而已檢測過的(Of)格子則存放于(At)Close List中。

        父節點（parent）：在(Exist)路徑規劃中用(Use)于(At)回溯的(Of)節點，開發時(Hour)可考慮爲(For)雙向鏈表結構中的(Of)父節點指針。

        路徑排序（Path Sorting）：具體往哪個(Indivual)節點移動由以(By)下公式确定：F(n) = G(n) + H(n)。G代表的(Of)是從初始位置A沿着已生(Born)成的(Of)路徑到(Arrive)指定待檢測格子的(Of)移動開銷。H指定待測格子到(Arrive)目标節點B的(Of)估計移動開銷。

        啓發函數（Heuristics Function）：H爲(For)啓發函數，也被認爲(For)是一(One)種試探，由于(At)在(Exist)找到(Arrive)唯一(One)路徑前，我(I)們不(No)确定在(Exist)前面會出(Out)現什麽障礙物，因此用(Use)了一(One)種計算H的(Of)算法，具體根據實際場景決定。在(Exist)我(I)們簡化的(Of)模型中，H采用(Use)的(Of)是傳統的(Of)曼哈頓距離（Manhattan Distance），也就是橫縱向走的(Of)距離之和(And)。

        如圖中所示，綠色方塊爲(For)機器人(People)起始位置A，紅色方塊爲(For)目标位置B，藍色爲(For)障礙物。

        現用(Use)A*算法尋找出(Out)一(One)條自綠色A到(Arrive)紅色B的(Of)最短路徑，經簡化，每個(Indivual)方格的(Of)邊長爲(For)10，即垂直水平方向移動開銷爲(For)10。節點對角線爲(For)10，因此斜對角移動開銷約等于(At)14。因此具體步驟如下：

        （1）将A點加入到(Arrive)Open List中，圖中所示，上下左右移動一(One)格距離爲(For)10，斜對角移動距離爲(For)14。環繞綠色方塊的(Of)就是待檢測格子，左下角的(Of)值就是G值，右下角爲(For)H值，左上角對應的(Of)就是F值，找到(Arrive)F值最小的(Of)節點作(Do)爲(For)新的(Of)起始位置。

        （2）綠色格子右側的(Of)節點F爲(For)40，選作(Do)當前處理節點，并将這(This)個(Indivual)點從Open List删除，增加到(Arrive)Close List中，對這(This)個(Indivual)節點周圍的(Of)8個(Indivual)格子進行判斷，若是不(No)可通過或已經在(Exist)Close List中，則忽略之。否則執行以(By)下步驟：

        若當前處理格子的(Of)相鄰格子已經在(Exist)Open List中，那就計算臨近節點經當前處理節點到(Arrive)起點的(Of)距離G是否比原G值小，若小，則把相鄰節點的(Of)父節點（parent）設置爲(For)當前處理節點。

        若當前處理格子的(Of)相鄰格子不(No)在(Exist)Open List中，那麽把它加入，并将它的(Of)父節點設置爲(For)該節點。

        （3）重複1、2步驟，直到(Arrive)終點B加入到(Arrive)了Open List中，再沿着各節點的(Of)父節點回溯遍曆，将遍曆得到(Arrive)的(Of)節點坐标保存下來(Come)，所得的(Of)節點就是最短路徑。

        最終效果如圖所示：

        在(Exist)Github上找到(Arrive)了一(One)個(Indivual)A-star的(Of)c++源碼：https://github.com/booirror/data-structures-and-algorithm-in-c供參考。

        但也發現，在(Exist)整個(Indivual)計算過程中，A*算法結合了啓發式方法，利用(Use)估值函數F(H)來(Come)估計途中當前點與終點距離，并由此決定搜索方向，當這(This)條路失敗會重新嘗試其他(He)路徑，但不(No)理想的(Of)估值函數會導緻整個(Indivual)算法運行很慢，而且這(This)種算法雖說在(Exist)時(Hour)間上最優，但也存在(Exist)空間增長是指數級别的(Of)缺點。因此在(Exist)往高維狀态空間進行運算時(Hour)，速度會受到(Arrive)影響，基于(At)A*算法叠代加深的(Of)IDA*算法則有效解決了空間增長帶來(Come)的(Of)問題。

        3、自動駕駛對路徑規劃的(Of)需求

        目前業内對自動駕駛的(Of)技術方案觀點較爲(For)一(One)緻，主要(Want)可分爲(For)四個(Indivual)部分：

        因此首先要(Want)做的(Of)就是對外部環境的(Of)實時(Hour)獲取及車輛的(Of)動态路徑規劃。 傳統機器人(People)路徑規劃大(Big)緻可分三種：

        ❖   靜态結構化環境下的(Of)路徑規劃

        ❖   動态已知環境下的(Of)路徑規劃

        ❖   動态不(No)确定環境下的(Of)路徑規劃

        将其與自動駕駛對應起來(Come)，靜态的(Of)規劃就是根據地理信息以(By)及交通規則在(Exist)已知的(Of)全局地圖上進行道路循迹，但這(This)個(Indivual)技術對于(At)目前自動駕駛實現來(Come)說并沒有什麽實際應用(Use)價值。

        自動駕駛需要(Want)的(Of)是對預先已選擇好的(Of)最優路徑，甚至在(Exist)未知的(Of)環境下，基于(At)實時(Hour)不(No)确定的(Of)場景，進行動态調整的(Of)路徑規劃技術，而這(This)對地圖的(Of)需求、外部信息采集等就還是要(Want)依賴上一(One)篇提及的(Of)如攝像頭、激光雷達、傳感器等硬件的(Of)支持。

        之前網上有在(Exist)轉載的(Of)一(One)篇《從算法上解讀自動駕駛是如何實現的(Of)》也有所總結，提到(Arrive)目前自動駕駛上應用(Use)較廣的(Of)有Dijkstra、Lee、Floyd、雙向搜索算法以(By)及蟻群算法，大(Big)家如果感興趣可以(By)自行搜索學習，這(This)裏不(No)再贅述。

        現有傳統機器人(People)路徑規劃技術已經發展得較爲(For)成熟，而将該技術如何更爲(For)符合場景地應用(Use)到(Arrive)自動駕駛技術上還有很長的(Of)探索階段，但現已存在(Exist)的(Of)包括A*算法在(Exist)内的(Of)一(One)系列最優路徑算法将會越來(Come)越由于(At)圖論、人(People)工智能、機器人(People)技術、自動駕駛等多學科的(Of)融合下得到(Arrive)更大(Big)的(Of)發展。