我正在使用A-star算法，我有一个2D网格和一些障碍物。现在，我只有纵向和横向障碍物，但它们可以密集地变化。
现在，A-star效果很好（即大多数情况下找到的最短路径），但是如果我尝试从左上角到右下角，那么我有时看到路径不是最短的，即那里路上有些笨拙。
这条道路似乎偏离了最短路径应该是什么。
现在我正在使用我的算法。我从源头开始，在计算邻居的值时向外移动，距离源+距离目的地的距离，我一直选择最小的单元格，并继续重复直到我遇到的单元格是目的地，此时我停止。
我的问题是，为什么A-star不能保证给我最短的路径。或者是吗？我做错了什么？
感谢。
答案 0 :(得分：17)
A-star保证根据您的度量函数提供最短路径（不一定是'像苍蝇一样'），只要您的启发式是“可接受的”，这意味着它永远不会过度估计剩余距离。
点击此链接：http://theory.stanford.edu/~amitp/GameProgramming/Heuristics.html
为了帮助确定您的实施错误，我们需要有关您的指标和启发式的详细信息。
<强>更新：
OP的度量函数对于正交移动是10，对于对角移动是14。
OP的启发式只考虑正交移动，因此“不可接受”;通过忽略更便宜的对角线移动来高估它。
过于保守的启发式方法的唯一成本是在找到最小路径之前访问其他节点;过于激进的启发式算法的成本是可能返回的非最佳路径。 OP应该使用启发式：
7 * (deltaX + deltaY)
这是一个非常轻微的低估直接对角路径的可能性，因此也应该是高性能的。
更新＃2：
为了真正挤出性能，这接近于最佳状态，同时仍然非常快：
7 * min（deltaX，deltaY）+ 10 *（max（deltaX，deltaY） - min（deltaX，deltaY））
更新＃3：
上面的 7 来自14/2，其中14是指标中的对角线成本。
只有你的启发式变化;该指标是“业务规则”并驱动所有其他指标。如果您对六角网格的A-star感兴趣，请查看我的项目：http://hexgridutilities.codeplex.com/
更新＃4（关于效果）：
我对A-star的印象是它在O（N ^ 2）性能区域和几乎O（N）性能区域之间错开。但这很依赖于网格或图形，障碍物放置以及起点和终点，很难概括。对于已知特定形状或风味的网格和图形，有各种更有效的算法，但它们通常也变得更复杂;的 TANSTAAFL
答案 1 :(得分：0)
我确定你做错了（也许有些实现缺陷，你对A *的想法听起来是正确的）。 A *保证给出最短路径，可以用数学证明。
请参阅此wiki pages将为您提供解决问题的所有信息。
答案 2 :(得分：-3)
NO
A *是最快的探路者算法之一，但它不一定能提供最短的路径。如果您正在寻找正确性，那么最好使用dijkstra算法。