ASD的搜索

应用背景*（A）啊…现在在寻路的心，一个*！你都可能听到这个算法，因为它的领先的寻路算法（加上，这是本教程的名字，我会是一个猴子的叔叔，如果你不是寻找一个*教程）。这是通常使用的游戏如魔兽争霸III A*算法不是BFS，DFS也不是。事实上，这是一个结合Dijkstra算法（它在本教程说我没有…然而）和最好的第一。不过不要担心，该算法是很容易理解的。问题出现在编程的BFS和DFS：如果不是盲目猜测下一节点遍历喜欢简单的DFS我们选择的节点它看起来最有前途？一个*搜索完全一样：简而言之，我们产生我们的可能性，并选择一个与最少的投影成本。一旦产生的可能性和它的成本计算，它停留在列表的可能性，直到所有的更好的节点之前已被搜索过。首先，让我们定义成本函数。一个节点的成本，f，由下面的偏微分方程（只是开玩笑：关键技术克+小时“聪明的”，你说，“但什么是什么，是什么？。好问题。 ； ；是的成本把它得到的节点，最可能数平方我们走过的从一开始。& nbsp； ；我们想达到的目标节点会花费多少钱。它的启发式（一个启发式，非正式的，是什么这是一个不明确的系列步骤（如算法）的解决方案，但它可以帮助我们确定我们的答案是一个粗糙的方式）。在一个非常短的时间内，你会发现你的最佳路径是完美的。在这种情况下，我们显然不能确定H完全没有做一些其他的寻路，所以我们就用一个近似。很少（如果有）是你的完美。看下面的图，一看，一个正方形网格，如你在RTS找到。被阻塞的棕色点（由建筑物、人或自然屏障）。蓝色和绿色是起点和目标，分别。在寻找，我们说，我们生成紫色广场。其 ；G，栗色的固体线，是从起始点的距离。自从我们搬到5广场东（在距离成本1）和一个广场东北（2√成本），我们 ；G & nbsp；是+5 &；RAD IC；2，约6.414。我们不需要重新计算 ；G  ；完全的每个节点。我们可以只添加距离父节点加的父母的 ；G这样的地图，我们可以定义 ； ；直线距离的目标。我不会去计数这些广场，所以这是左，呃，“读者的练习”。）；提示：我们是否真的需要存储的欧氏距离在和？想想看。如果我们用距离的*平方*，我们的节点之间的比较将仍然是相同的。