基本A*算法python实现

本文由恋花蝶发表于http://blog.csdn.net/lanphaday，可以在保证全文完整的前提下任意形式自由传播，但必须保留本声明，违反必究。
 最近因为一个任务要用到A*算法，就用C++实现了一份。不过只是用A*来检测从A点到B点有无通路，不必输出路径，后来想把代码贴出来，但又觉得不如实现一个简单的寻路应用好一些，就用python写了一个版本贴上来。
 A*算法不仅仅可以用来寻路，寻路也不仅仅使用A*算法。这是使用学习和使用A*算法最要谨记的一点吧~
 A*算法用以寻路实现算不得是人工智能，他本质上是一种启发式的试探回溯算法，不过业界似乎喜欢把它称为游戏人工智能（GameAI）的一个组成部分，听起来就“豪华”得多了。A*算法需要很大的内存（相对于深度优先搜索），需要很实现比较复杂的逻辑，容易出错。
 A*过程：
 1.将开始节点放入开放列表(开始节点的F和G值都视为0);
 2.重复一下步骤:
  i.在开放列表中查找具有最小F值的节点,并把查找到的节点作为当前节点;
  ii.把当前节点从开放列表删除, 加入到封闭列表;
  iii.对当前节点相邻的每一个节点依次执行以下步骤:
   1.如果该相邻节点不可通行或者该相邻节点已经在封闭列表中,则什么操作也不执行,继续检验下一个节点;
   2.如果该相邻节点不在开放列表中,则将该节点添加到开放列表中, 并将该相邻节点的父节点设为当前节点,同时保存该相邻节点的G和F值;
   3.如果该相邻节点在开放列表中, 则判断若经由当前节点到达该相邻节点的G值是否小于原来保存的G值,若小于,则将该相邻节点的父节点设为当前节点,并重新设置该相邻节点的G和F值.
  iv.循环结束条件:
   当终点节点被加入到开放列表作为待检验节点时, 表示路径被找到,此时应终止循环;
   或者当开放列表为空,表明已无可以添加的新节点,而已检验的节点中没有终点节点则意味着路径无法被找到,此时也结束循环;
 3.从终点节点开始沿父节点遍历, 并保存整个遍历到的节点坐标,遍历所得的节点就是最后得到的路径;
 好了，废话不多说，看代码吧，带详尽注释，但可能存在bug~，另：本示例程序未作优化。
参考资料：
http://www.gamedev.net/reference/programming/features/astar/default.asp
http://blog.csdn.net/win32asn/archive/2006/03/17/627098.aspx


# -*- coding: utf-8 -*-


import math




#地图


tm = [


'############################################################',


'#..........................................................#',


'#.............................#............................#',


'#.............................#............................#',


'#.............................#............................#',


'#.......S.....................#............................#',


'#.............................#............................#',


'#.............................#............................#',


'#.............................#............................#',


'#.............................#............................#',


'#.............................#............................#',


'#.............................#............................#',


'#.............................#............................#',


'#######.#######################################............#',


'#....#........#............................................#',


'#....#........#............................................#',


'#....##########............................................#',


'#..........................................................#',


'#..........................................................#',


'#..........................................................#',


'#..........................................................#',


'#..........................................................#',


'#...............................##############.............#',


'#...............................#........E...#.............#',


'#...............................#............#.............#',


'#...............................#............#.............#',


'#...............................#............#.............#',


'#...............................###########..#.............#',


'#..........................................................#',


'#..........................................................#',


'############################################################']




#因为python里string不能直接改变某一元素，所以用test_map来存储搜索时的地图


test_map = []




#########################################################


class Node_Elem:


    """


    开放列表和关闭列表的元素类型，parent用来在成功的时候回溯路径


    """


    def __init__(self, parent, x, y, dist):


        self.parent = parent


        self.x = x


        self.y = y


        self.dist = dist


        


class A_Star:


    """


    A星算法实现类


    """


    #注意w,h两个参数，如果你修改了地图，需要传入一个正确值或者修改这里的默认参数


    def __init__(self, s_x, s_y, e_x, e_y, w=60, h=30):


        self.s_x = s_x


        self.s_y = s_y


        self.e_x = e_x


        self.e_y = e_y


        


        self.width = w


        self.height = h


        


        self.open = []


        self.close = []


        self.path = []


        


    #查找路径的入口函数


    def find_path(self):


        #构建开始节点


        p = Node_Elem(None, self.s_x, self.s_y, 0.0)


        while True:


            #扩展F值最小的节点


            self.extend_round(p)


            #如果开放列表为空，则不存在路径，返回


            if not self.open:


                return


            #获取F值最小的节点


            idx, p = self.get_best()


            #找到路径，生成路径，返回


            if self.is_target(p):


                self.make_path(p)


                return


            #把此节点压入关闭列表，并从开放列表里删除


            self.close.append(p)


            del self.open[idx]


            


    def make_path(self,p):


        #从结束点回溯到开始点，开始点的parent == None


        while p:


            self.path.append((p.x, p.y))


            p = p.parent


        


    def is_target(self, i):


        return i.x == self.e_x and i.y == self.e_y


        


    def get_best(self):


        best = None


        bv = 1000000 #如果你修改的地图很大，可能需要修改这个值


        bi = -1


        for idx, i in enumerate(self.open):


            value = self.get_dist(i)#获取F值


            if value < bv:#比以前的更好，即F值更小


                best = i


                bv = value


                bi = idx


        return bi, best


        


    def get_dist(self, i):


        # F = G + H


        # G 为已经走过的路径长度， H为估计还要走多远


        # 这个公式就是A*算法的精华了。


        return i.dist + math.sqrt(


            (self.e_x-i.x)*(self.e_x-i.x)


            + (self.e_y-i.y)*(self.e_y-i.y))*1.2


        


    def extend_round(self, p):


        #可以从8个方向走


        xs = (-1, 0, 1, -1, 1, -1, 0, 1)


        ys = (-1,-1,-1,  0, 0,  1, 1, 1)


        #只能走上下左右四个方向


#        xs = (0, -1, 1, 0)


#        ys = (-1, 0, 0, 1)


        for x, y in zip(xs, ys):


            new_x, new_y = x + p.x, y + p.y


            #无效或者不可行走区域，则勿略


            if not self.is_valid_coord(new_x, new_y):


                continue


            #构造新的节点


            node = Node_Elem(p, new_x, new_y, p.dist+self.get_cost(


                        p.x, p.y, new_x, new_y))


            #新节点在关闭列表，则忽略


            if self.node_in_close(node):


                continue


            i = self.node_in_open(node)


            if i != -1:


                #新节点在开放列表


                if self.open[i].dist > node.dist:


                    #现在的路径到比以前到这个节点的路径更好~


                    #则使用现在的路径


                    self.open[i].parent = p


                    self.open[i].dist = node.dist


                continue


            self.open.append(node)


            


    def get_cost(self, x1, y1, x2, y2):


        """


        上下左右直走，代价为1.0，斜走，代价为1.4


        """


        if x1 == x2 or y1 == y2:


            return 1.0


        return 1.4


        


    def node_in_close(self, node):


        for i in self.close:


            if node.x == i.x and node.y == i.y:


                return True


        return False


        


    def node_in_open(self, node):


        for i, n in enumerate(self.open):


            if node.x == n.x and node.y == n.y:


                return i


        return -1


        


    def is_valid_coord(self, x, y):


        if x < 0 or x >= self.width or y < 0 or y >= self.height:


            return False


        return test_map[y][x] != '#'


    


    def get_searched(self):


        l = []


        for i in self.open:


            l.append((i.x, i.y))


        for i in self.close:


            l.append((i.x, i.y))


        return l


        


#########################################################


def print_test_map():


    """


    打印搜索后的地图


    """


    for line in test_map:


        print ''.join(line)




def get_start_XY():


    return get_symbol_XY('S')


    


def get_end_XY():


    return get_symbol_XY('E')


    


def get_symbol_XY(s):


    for y, line in enumerate(test_map):


        try:


            x = line.index(s)


        except:


            continue


        else:


            break


    return x, y


        


#########################################################


def mark_path(l):


    mark_symbol(l, '*')


    


def mark_searched(l):


    mark_symbol(l, ' ')


    


def mark_symbol(l, s):


    for x, y in l:


        test_map[y][x] = s


    


def mark_start_end(s_x, s_y, e_x, e_y):


    test_map[s_y][s_x] = 'S'


    test_map[e_y][e_x] = 'E'


    


def tm_to_test_map():


    for line in tm:


        test_map.append(list(line))


        


def find_path():


    s_x, s_y = get_start_XY()


    e_x, e_y = get_end_XY()


    a_star = A_Star(s_x, s_y, e_x, e_y)


    a_star.find_path()


    searched = a_star.get_searched()


    path = a_star.path


    #标记已搜索区域


    mark_searched(searched)


    #标记路径


    mark_path(path)


    print "path length is %d"%(len(path))


    print "searched squares count is %d"%(len(searched))


    #标记开始、结束点


    mark_start_end(s_x, s_y, e_x, e_y)


    


if __name__ == "__main__":


    #把字符串转成列表


    tm_to_test_map()


    find_path()


    print_test_map()