应用错误收集

我正在写一个相当简单的自上而下的2D游戏。它为所有碰撞数据使用均匀间隔的2D网格图块。网格中的每个图块都是实心或空的。

对于路径寻找我使用的是A *（A Star），并尝试了曼哈顿和对角线（又名Chebyshev距离）启发式算法。

在大多数情况下效果很好，但是当试图找到坐在凹形凹陷（例如U形）中的目标时会变得相当昂贵。

例如，在下面的图片中，右边的人会找到左边的那个人。所有的草（绿色，深绿色和黄色）都是空的空间。唯一的实心瓷砖是棕色的“木”瓷砖和灰色的“石材”瓷砖，形状为侧面“U”。

Unsolved example

现在这里是路径搜索的结果（在本例中是A * with Manhattan Heuristics）：

Solved example

红色和绿色调试绘制正方形显示在A *搜索期间访问了哪些图块。红色位于“已关闭”列表中，绿色位于“打开”列表中（根据A *规范）。选择最终路径中的蓝线（这是正确的）。

正如你所看到的，搜索相当详尽，访问了很多瓷砖，创造了一个几乎完美的圆圈。

我理解为什么这是基于A *算法发生的，以及我选择的启发式方法（当你沿着墙壁移动目标时，更远的瓷砖开始有更好的F值，导致在回到正确的路径之前要对它们进行探索）。我不知道的是如何做得更好：）

有关可能改进的建议吗？可能是一个不同的启发式？也许一条不同的路径搜索算法在一起？

谢谢！

根据一些建议，我倾向于更新我的A *实施，以包含HPA*中的改进。基于一些初步阅读，考虑到层次结构中的适当粒度，它似乎将很好地解决上述情况。一旦我查看完毕，我就会更新。