先了解一下什么是A*算法。
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。常用于游戏中的NPC（Non-Player-ControlledCharacter）的移动计算，或线上游戏的BOT（ROBOT）的移动计算上。该算法像Dijkstra算法一样，可以找到一条最短路径；也像BFS一样，进行启发式的搜索。
A算法是一种启发式搜索算法，启发式搜索就是在状态空间中的搜索对每一个搜索的位置进行评估，得到最好的位置，再从这个位置进行搜索直到目标。这样可以省略大量无谓的搜索路径，提高了效率。
A星算法核心公式：
F = G + H
F - 方块的总移动代价
G - 开始点到当前方块的移动代价
H - 当前方块到结束点的预估移动代价
G值是怎么计算的？
假设现在我们在某一格子，邻近有8个格子可走，当我们往上、下、左、右这4个格子走时，移动代价为10；当往左上、左下、右上、右下这4个格子走时，移动代价为14；即走斜线的移动代价为走直线的1.4倍。
这就是G值最基本的计算方式，适用于大多数2.5Drpg页游。
根据游戏需要，G值的计算可以进行拓展。如加上地形因素对寻路的影响。格子地形不同，那么选择通过不同地形格子，移动代价肯定不同。同一段路，平地地形和丘陵地形，虽然都可以走，但平地地形显然更易走。
我们可以给不同地形赋予不同代价因子，来体现出G值的差异。如给平地地形设置代价因子为1，丘陵地形为2，在移动代价相同情况下，平地地形的G值更低，算法就会倾向选择G值更小的平地地形。
拓展公式：
G = 移动代价 * 代价因子
H值是如何预估出来的？
很显然，在只知道当前点，结束点，不知道这两者的路径情况下，我们无法精确地确定H值大小，所以只能进行预估。
有多种方式可以预估H值，如曼哈顿距离、欧式距离、对角线估价，最常用最简单的方法就是使用曼哈顿距离进行预估：
H = 当前方块到结束点的水平距离 + 当前方块到结束点的垂直距离
题外话：A星算法之所以被认为是具有启发策略的算法，在于其可通过预估H值，降低走弯路的可能性，更容易找到一条更短的路径。其他不具有启发策略的算法，没有做预估处理，只是穷举出所有可通行路径，然后从中挑选一条最短的路径。这也是A星算法效率更高的原因。
鉴于前人已经把原理讲的很清楚了，便不再废话，想要深入了解下的可以参考下面的两篇文章。
接下来上代码：
代码1
文件AStar.py
# coding=utf-8#描述AStar算法中的节点数据 class Point: """docstring for point""" def __init__(self, x = 0, y = 0): self.x = x self.y = y class Node: def __init__(self, point, g = 0, h = 0): self.point = point #自己的坐标 self.father = None #父节点 self.g = g #g值 self.h = h #h值 """ 估价公式：曼哈顿算法 """ def manhattan(self, endNode): self.h = (abs(endNode.point.x - self.point.x) + abs(endNode.point.y - self.point.y))*10 def setG(self, g): self.g = g def setFather(self, node): self.father = nodeclass AStar: """ A* 算法 python 2.7 """ def __init__(self, map2d, startNode, endNode): """ map2d: 寻路数组 startNode: 寻路起点 endNode: 寻路终点 """ #开放列表 self.openList = [] #封闭列表 self.closeList = [] #地图数据 self.map2d = map2d #起点 self.startNode = startNode #终点 self.endNode = endNode #当前处理的节点 self.currentNode = startNode #最后生成的路径 self.pathlist = []; return; def getMinFNode(self): """ 获得openlist中F值最小的节点 """ nodeTemp = self.openList[0] for node in self.openList: if node.g + node.h < nodeTemp.g + nodeTemp.h: nodeTemp = node return nodeTemp def nodeInOpenlist(self,node): for nodeTmp in self.openList: if nodeTmp.point.x == node.point.x \ and nodeTmp.point.y == node.point.y: return True return False def nodeInCloselist(self,node): for nodeTmp in self.closeList: if nodeTmp.point.x == node.point.x \ and nodeTmp.point.y == node.point.y: return True return False def endNodeInOpenList(self): for nodeTmp in self.openList: if nodeTmp.point.x == self.endNode.point.x \ and nodeTmp.point.y == self.endNode.point.y: return True return False def getNodeFromOpenList(self,node): for nodeTmp in self.openList: if nodeTmp.point.x == node.point.x \ and nodeTmp.point.y == node.point.y: return nodeTmp return None def searchOneNode(self,node): """ 搜索一个节点 x为是行坐标 y为是列坐标 """ #忽略障碍 if self.map2d.isPass(node.point) != True: return #忽略封闭列表 if self.nodeInCloselist(node): return #G值计算 if abs(node.point.x - self.currentNode.point.x) == 1 and abs(node.point.y - self.currentNode.point.y) == 1: gTemp = 14 else: gTemp = 10 #如果不再openList中，就加入openlist if self.nodeInOpenlist(node) == False: node.setG(gTemp) #H值计算 node.manhattan(self.endNode); self.openList.append(node) node.father = self.currentNode #如果在openList中，判断currentNode到当前点的G是否更小 #如果更小，就重新计算g值，并且改变father else: nodeTmp = self.getNodeFromOpenList(node) if self.currentNode.g + gTemp < nodeTmp.g: nodeTmp.g = self.currentNode.g + gTemp nodeTmp.father = self.currentNode return; def searchNear(self): """ 搜索节点周围的点 按照八个方位搜索 拐角处无法直接到达 (x-1,y-1)(x-1,y)(x-1,y+1) (x ,y-1)(x ,y)(x ,y+1) (x+1,y-1)(x+1,y)(x+1,y+1) """ if self.map2d.isPass(Point(self.currentNode.point.x - 1, self.currentNode.point.y)) and \ self.map2d.isPass(Point(self.currentNode.point.x, self.currentNode.point.y -1)): self.searchOneNode(Node(Point(self.currentNode.point.x - 1, self.currentNode.point.y - 1))) self.searchOneNode(Node(Point(self.currentNode.point.x - 1, self.currentNode.point.y))) if self.map2d.isPass(Point(self.currentNode.point.x - 1, self.currentNode.point.y)) and \ self.map2d.isPass(Point(self.currentNode.point.x, self.currentNode.point.y + 1)): self.searchOneNode(Node(Point(self.currentNode.point.x - 1, self.currentNode.point.y + 1))) self.searchOneNode(Node(Point(self.currentNode.point.x, self.currentNode.point.y - 1))) self.searchOneNode(Node(Point(self.currentNode.point.x, self.currentNode.point.y + 1))) if self.map2d.isPass(Point(self.currentNode.point.x, self.currentNode.point.y - 1)) and \ self.map2d.isPass(Point(self.currentNode.point.x + 1, self.currentNode.point.y)): self.searchOneNode(Node(Point(self.currentNode.point.x + 1, self.currentNode.point.y - 1))) self.searchOneNode(Node(Point(self.currentNode.point.x + 1, self.currentNode.point.y))) if self.map2d.isPass(Point(self.currentNode.point.x + 1, self.currentNode.point.y)) and \ self.map2d.isPass(Point(self.currentNode.point.x, self.currentNode.point.y + 1)): self.searchOneNode(Node(Point(self.currentNode.point.x + 1, self.currentNode.point.y + 1))) return; def start(self): ''''' 开始寻路 ''' #将初始节点加入开放列表 self.startNode.manhattan(self.endNode); self.startNode.setG(0); self.openList.append(self.startNode) while True: #获取当前开放列表里F值最小的节点 #并把它添加到封闭列表，从开发列表删除它 self.currentNode = self.getMinFNode() self.closeList.append(self.currentNode) self.openList.remove(self.currentNode) self.searchNear(); #检验是否结束 if self.endNodeInOpenList(): nodeTmp = self.getNodeFromOpenList(self.endNode) while True: self.pathlist.append(nodeTmp); if nodeTmp.father != None: nodeTmp = nodeTmp.father else: return True; elif len(self.openList) == 0: return False; return True; def setMap(self): for node in self.pathlist: self.map2d.setMap(node.point); return;
文件2
文件map2d.py
# coding=utf-8from __future__ import print_functionclass map2d:
"""
地图数据
"""
def __init__(self): self.data = [list("####################"),
list("#*****#************#"),
list("#*****#*****#*####*#"),
list("#*########*##******#"),
list("#*****#*****######*#"),
list("#*****#####*#******#"),
list("####**#*****#*######"),
list("#*****#**#**#**#***#"),
list("#**#*****#**#****#*#"),
list("####################")] self.w = 20
self.h = 10
self.passTag = '*'
self.pathTag = 'o'
def showMap(self): for x in xrange(0, self.h): for y in xrange(0, self.w):
print(self.data[x][y], end='')
print(" ") return; def setMap(self, point): self.data[point.x][point.y] = self.pathTag return; def isPass(self, point): if (point.x < 0 or point.x > self.h - 1) or (point.y < 0 or point.y > self.w - 1): return False; if self.data[point.x][point.y] == self.passTag:
return True;文件3
文件AStarTest.py
# coding=utf-8import map2dimport AStarif __name__ == '__main__': ##构建地图 mapTest = map2d.map2d(); mapTest.showMap(); ##构建A* aStar = AStar.AStar(mapTest, AStar.Node(AStar.Point(1,1)), AStar.Node(AStar.Point(8,18))) print "A* start:" ##开始寻路 if aStar.start(): aStar.setMap(); mapTest.showMap(); else: print "no way"
在AStar.py中增加了对拐角的处理，设置拐角无法直达。
运行结果：
image.png
参考：
用简单直白的方式讲解A星寻路算法原理
A星算法详解(个人认为最详细,最通俗易懂的一个版本)
作者：漫步_9378
链接：https://www.jianshu.com/p/613ef51394ec