前言
A*搜寻算法俗称A星算法。这是一种在图形平面上，有多个节点的路径，求出最低通过成本的算法。常用于游戏中
通过二维数组构建的一个迷宫，“%”表示墙壁，A为起点，B为终点，“#”代表障碍物，“*”代表算法计算后的路径
本文实例代码结构：
% % % % % % % % o o o o o % % o o # o o % % A o # o B % % o o # o o % % o o o o o % % % % % % % % ============================= 经过A*算法计算后 ============================= % % % % % % % % o o * o o % % o * # * o % % A o # o B % % o o # o o % % o o o o o % % % % % % % % <
算法理论
算法的核心公式为：F=G+H
把地图上的节点看成一个网格。
G=从起点A,沿着产生的路径，移动到网格上指定节点的移动消耗，在这个例子里，我们令水平或者垂直移动的耗费为10，对角线方向耗费为14。我们取这些值是因为沿对角线
的距离是沿水平或垂直移动耗费的的根号2，或者约1.414倍。为了简化，我们用10和14近似。
既然我们在计算沿特定路径通往某个方格的G值，求值的方法就是取它父节点的G值，然后依照它相对父节点是对角线方向或者直角方向(非对角线)，分别增加14和10。例子中这
个方法的需求会变得更多，因为我们从起点方格以外获取了不止一个方格。
H=从当前格移动到终点B的预估移动消耗。为什么叫”预估“呢，因为我们没有办法事先知道路径的长度，这里我们使用曼哈顿方法，它计算从当前格到目的格之间水平和垂直
的方格的数量总和，忽略对角线方向。然后把结果乘以10。
F的值是G和H的和，这是我们用来判断优先路径的标准，F值最小的格，我们认为是优先的路径节点。
实现步骤
算法使用java写的，先看一看节点类的内容
package a_star_search; /** * 节点类 * @author zx * */ public class Node { private int x; //x坐标 private int y; //y坐标 private String value; //表示节点的值 private double FValue = 0; //F值 private double GValue = 0; //G值 private double HValue = 0; //H值 private boolean Reachable; //是否可到达（是否为障碍物） private Node PNode; //父节点 public Node(int x, int y, String value, boolean reachable) { super(); this.x = x; this.y = y; this.value = value; Reachable = reachable; } public Node() { super(); } public int getX() { return x; } public void setX(int x) { this.x = x; } public int getY() { return y; } public void setY(int y) { this.y = y; } public String getValue() { return value; } public void setValue(String value) { this.value = value; } public double getFValue() { return FValue; } public void setFValue(double fValue) { FValue = fValue; } public double getGValue() { return GValue; } public void setGValue(double gValue) { GValue = gValue; } public double getHValue() { return HValue; } public void setHValue(double hValue) { HValue = hValue; } public boolean isReachable() { return Reachable; } public void setReachable(boolean reachable) { Reachable = reachable; } public Node getPNode() { return PNode; } public void setPNode(Node pNode) { PNode = pNode; } } 还需要一个地图类，在map的构造方法中，我通过创建节点的二维数组来实现一个迷宫地图，其中包括起点和终点
package a_star_search;public class Map {private Node[][] map;//节点数组 private Node startNode;//起点 private Node endNode;//终点 public Map() {map = new Node[7][7];for (int i = 0;i<7;i++){for (int j = 0;j<7;j++){map[i][j] = new Node(i,j,"o",true);}}for (int d = 0;d<7;d++){map[0][d].setValue("%");map[0][d].setReachable(false);map[d][0].setValue("%");map[d][0].setReachable(false);map[6][d].setValue("%");map[6][d].setReachable(false);map[d][6].setValue("%");map[d][6].setReachable(false);}map[3][1].setValue("A");startNode = map[3][1];map[3][5].setValue("B");endNode = map[3][5];for (int k = 1;k<=3;k++){map[k+1][3].setValue("#");map[k+1][3].setReachable(false);}}<span style="white-space:pre"> </span>//展示地图 public void ShowMap(){for (int i = 0;i<7;i++){for (int j = 0;j<7;j++){System.out.print(map[i][j].getValue()+" ");}System.out.println("");}}public Node[][] getMap() {return map;}public void setMap(Node[][] map) {this.map = map;}public Node getStartNode() {return startNode;}public void setStartNode(Node startNode) {this.startNode = startNode;}public Node getEndNode() {return endNode;}public void setEndNode(Node endNode) {this.endNode = endNode;}}下面是最重要的AStar类
操作过程
1从起点A开始，并且把它作为待处理点存入一个“开启列表”，这是一个待检查方格的列表。
2寻找起点周围所有可到达或者可通过的方格，跳过无法通过的方格。也把他们加入开启列表。为所有这些方格保存点A作为“父方格”。当我们想描述路径的时候，父方格的资
料是十分重要的。后面会解释它的具体用途。
3从开启列表中删除起点A，把它加入到一个“关闭列表”，列表中保存所有不需要再次检查的方格。
经过以上步骤，“开启列表”中包含了起点A周围除了障碍物的所有节点。他们的父节点都是A,通过前面讲的F=G+H的公式，计算每个节点的G，H，F值，并按照F的值大小，从小
到大进行排序。并对F值最小的那个节点做以下操作
4，把它从开启列表中删除，然后添加到关闭列表中。
5，检查所有相邻格子。跳过那些不可通过的(1.在”关闭列表“中，2.障碍物)，把他们添加进开启列表，如果他们还不在里面的话。把选中的方格作为新的方格的父节点。
6，如果某个相邻格已经在开启列表里了，检查现在的这条路径是否更好。换句话说，检查如果我们用新的路径到达它的话，G值是否会更低一些。如果不是，那就什么都不
做。（这里，我的代码中并没有判断）
7，我们重复这个过程，直到目标格（终点“B”）被添加进“开启列表”，说明终点B已经在上一个添加进“关闭列表”的节点的周围，只需走一步，即可到达终点B。
8，我们将终点B添加到“关闭列表”
9，最后一步，我们要将从起点A到终点B的路径表示出来。父节点的作用就显示出来了，通过“关闭列表”中的终点节点的父节点，改变其value值，顺藤摸瓜即可以显示出路径。
看看代码
package a_star_search;import java.util.ArrayList;public class AStar {/** * 使用ArrayList数组作为“开启列表”和“关闭列表” */ArrayList<Node> open = new ArrayList<Node>();ArrayList<Node> close = new ArrayList<Node>();/** * 获取H值 * @param currentNode：当前节点 * @param endNode：终点 * @return */public double getHValue(Node currentNode,Node endNode){return (Math.abs(currentNode.getX() - endNode.getX()) + Math.abs(currentNode.getY() - endNode.getY()))*10;}/** * 获取G值 * @param currentNode：当前节点 * @return */public double getGValue(Node currentNode){if(currentNode.getPNode()!=null){if(currentNode.getX()==currentNode.getPNode().getX()||currentNode.getY()==currentNode.getPNode().getY()){//判断当前节点与其父节点之间的位置关系（水平？对角线） return currentNode.getGValue()+10;}return currentNode.getGValue()+14;}return currentNode.getGValue();}/** * 获取F值 ： G + H * @param currentNode * @return */public double getFValue(Node currentNode){return currentNode.getGValue()+currentNode.getHValue();}/** * 将选中节点周围的节点添加进“开启列表” * @param node * @param map */public void inOpen(Node node,Map map){int x = node.getX();int y = node.getY();for (int i = 0;i<3;i++){for (int j = 0;j<3;j++){//判断条件为：节点为可到达的（即不是障碍物，不在关闭列表中），开启列表中不包含，不是选中节点 if(map.getMap()[x-1+i][y-1+j].isReachable()&&!open.contains(map.getMap()[x-1+i][y-1+j])&&!(x==(x-1+i)&&y==(y-1+j))){map.getMap()[x-1+i][y-1+j].setPNode(map.getMap()[x][y]);//将选中节点作为父节点 map.getMap()[x-1+i][y-1+j].setGValue(getGValue(map.getMap()[x-1+i][y-1+j]));map.getMap()[x-1+i][y-1+j].setHValue(getHValue(map.getMap()[x-1+i][y-1+j],map.getEndNode()));map.getMap()[x-1+i][y-1+j].setFValue(getFValue(map.getMap()[x-1+i][y-1+j]));open.add(map.getMap()[x-1+i][y-1+j]);}}}}/** * 使用冒泡排序将开启列表中的节点按F值从小到大排序 * @param arr */public void sort(ArrayList<Node> arr){for (int i = 0;i<arr.size()-1;i++){for (int j = i+1;j<arr.size();j++){if(arr.get(i).getFValue() > arr.get(j).getFValue()){Node tmp = new Node();tmp = arr.get(i);arr.set(i, arr.get(j));arr.set(j, tmp);}}}}/** * 将节点添加进”关闭列表“ * @param node * @param open */public void inClose(Node node,ArrayList<Node> open){if(open.contains(node)){node.setReachable(false);//设置为不可达 open.remove(node);close.add(node);}}public void search(Map map){//对起点即起点周围的节点进行操作 inOpen(map.getMap()[map.getStartNode().getX()][map.getStartNode().getY()],map);close.add(map.getMap()[map.getStartNode().getX()][map.getStartNode().getY()]);map.getMap()[map.getStartNode().getX()][map.getStartNode().getY()].setReachable(false);map.getMap()[map.getStartNode().getX()][map.getStartNode().getY()].setPNode(map.getMap()[map.getStartNode().getX()][map.getStartNode().getY()]);sort(open);//重复步骤 do{inOpen(open.get(0), map);inClose(open.get(0), open);sort(open);}while(!open.contains(map.getMap()[map.getEndNode().getX()][map.getEndNode().getY()]));//知道开启列表中包含终点时，循环退出 inClose(map.getMap()[map.getEndNode().getX()][map.getEndNode().getY()], open);showPath(close,map);}/** * 将路径标记出来 * @param arr * @param map */public void showPath(ArrayList<Node> arr,Map map) {if(arr.size()>0){Node node = new Node();//<span style="white-space:pre"> </span>node = map.getMap()[map.getEndNode().getX()][map.getEndNode().getY()]; //<span style="white-space:pre"> </span>while(!(node.getX() ==map.getStartNode().getX()&&node.getY() ==map.getStartNode().getY())){ //<span style="white-space:pre"> </span>node.getPNode().setValue("*"); //<span style="white-space:pre"> </span>node = node.getPNode(); //<span style="white-space:pre"> </span>}}//<span style="white-space:pre"> </span>map.getMap()[map.getStartNode().getX()][map.getStartNode().getY()].setValue("A");}}最后写一个Main方法
package a_star_search; public class MainTest { public static void main(String[] args) { Map map = new Map(); AStar aStar = new AStar(); map.ShowMap(); aStar.search(map); System.out.println("============================="); System.out.println("经过A*算法计算后"); System.out.println("============================="); map.ShowMap(); } } 修改地图再测试一下，看看效果
% % % % % % % % o o o o o % % o o # o o % % A o # o B % % o o # o o % % o o o o o % % % % % % % % =============================经过A*算法计算后=============================% % % % % % % % o o o o o % % o o # o o % % A o # o B % % o o # o o % % o o o o o % % % % % % % %
总结
保证找到最短路径（最优解的）条件，关键在于估价函数h(n)的选取：估价值h(n)<=n到目标节点的距离实际值，这种情况下，搜索的点数多，搜索范围大，效率低。但能得到
最优解。如果估价值>实际值,搜索的点数少，搜索范围小，效率高，但不能保证得到最优解。
最大的感触就是：做事最忌三天打渔，两天晒网。量可以不大，但必须有连续性，贵在坚持。
希望每一个程序员，都能开心的敲着代码，做自己喜欢做的事。
以上就是本文关于Java编程实现A*算法完整代码的全部内容，希望对大家有所帮助。感兴趣的朋友可以继续参阅本站其他相关专题，如有不足之处，欢迎留言指出。