项目设计的目的
利用A*算法实现迷宫寻路功能，利用启发式函数的编写以及各类启发式函数效果的比较。
相关原理知识介绍
A*（A-Star)算法是一种静态路网中求解最短路最有效的方法。公式表示为：f(n)=g(n)+h(n)，其中f(n)是节点n从初始点到目标点的估价函数，g(n)是在状态空间中从初始节点到n节点的实际代价，h(n)是从n到目标节点最佳路径的估计代价。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)小于等于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。如果估价值大于实际值，搜索的点数少，搜索范围小，效率高，但不能保证得到最优解。
启发式搜索：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畏的搜索路径，提到了效率。在启发式搜索中，对位置的估价是十分重要的。采用了不同的估价可以有不同的效果。
设计的求解问题的流程图的说明
A*算法寻路的求解步骤说明：
1.将起点方格（节点）加入openlist链表中，作为寻路开始的起点；
2.循环执行以下步骤，直到openlist链表为空结束或者终点（节点）加入到 openlist 中：
（1）在openlist中找到F值最小的那个节点（如果有相等的情况，就选择最先找到的那个节点）作为[ 当前节点 ]；
（2）在openlist中将第1步找到的那个F值最小的节点，从openlist中删除掉；
（3)在closelist中将第1步找到的那个F值最小的节点，加入closelist中；
(4)围绕第1步找到的那个F值最小的 [ 当前节点 ] ，找到与它相邻的 四个方向（上下左右） 上的节点，这里要判断邻居节点的有效性，看 邻居节点 是否满足以下条件：
<1>邻居节点是否越界——节点的x或者y是否在可视范围内；
<2>邻居节点是否为障碍方格（节点）——比如本程序中的 MAZE[i][j]=1 即为障碍，MAZE[i][j]=0 即为可用；
<3>邻居节点是否已经在openlist链表中或者closelist链表中；
package graph;
import java.util.ArrayList;
import java.util.List;
//A*寻路算法简单实现————>四方向（上下左右）
public class Maze_A_ManHaDun {
//简单的迷宫模拟——利用二维数组，其中 1 表示障碍，不可通过。
public static final int[][] MAZE= {
{0, 1, 0, 0, 0, 0, 0},//7
{0, 0, 1, 0, 0, 0, 0},
{1, 0, 0, 1, 0, 0, 0},
{0, 1, 0, 1, 1, 1, 1},
{0, 0, 0, 0, 0, 0, 0},
{0, 0, 0, 0, 0, 0, 0},
{0, 0, 0, 1, 1, 1, 0},
//7
};
//定义 方格节点——grid
static class Grid{
public int x;//结点
public int y;
public int f;//fn
public int g;//gn
public int h;//hn
public Grid parent;
public Grid(int x,int y) {
this.x=x;
this.y=y;
}
//实例化一个方格节点
public void initGrid(Grid parent, Grid end) {
//parent赋值
this.parent=parent;
//计算g的大小
if(parent!=null) {
this.g=parent.g+1;
//this.g=0;
}
else
{
this.g=1;
}
//计算h的大小
this.h=Math.abs(this.x-end.x)+Math.abs(this.y-end.y);
//this.h=Math.abs(this.x-end.x)*Math.abs(this.y-end.y);
//计算f的大小
this.f=this.g+this.h;
}
}
//寻路算法核心实现过程
public static Grid aStarSearch(Grid start, Grid end) {
//准备两个链表，分别存储 将要选择的节点 和 已经走过的节点
ArrayList<Grid> openlist=new ArrayList<Grid>();
ArrayList<Grid> closelist=new ArrayList<Grid>();
//将起点加入链表，准备开始寻路。
openlist.add(start);
//只要链表不为空，就重复这个寻路的过程
while(openlist.size()>0) {
//找到 openlist中 F值最小的那个 方格（节点）
Grid currentgrid=findMinGrid(openlist);
//从 openlist中删除找到的那个 F值 最小的那个节点
openlist.remove(currentgrid);
//将这个 F值 最小的节点，加入到 closelist 中
closelist.add(currentgrid);
//寻找 当前找到的这个 F值最小的节点的 邻居节点 ——上下左右，四个方向上的节点，要判断它们是否为合法可用的节点。
List<Grid> neighbors=findNeighbors(currentgrid, openlist, closelist);
//对合法可用的邻居节点进行初始化，并加入到 openlist中
for(Grid grid : neighbors) {
if(!openlist.contains(grid)) {
grid.initGrid(currentgrid,end);
openlist.add(grid);
}
}
//邻居节点加入 openlist 后，判断openlist中，是否包含 终点节点，如果包含终点，直接返回并退出。
for(Grid grid : openlist) {
if((grid.x==end.x) && (grid.y==end.y)) {
return grid;
}
}
}
return null;
}
//寻找邻居节点的方法，返回值为 链表 ——创建一个合理的邻居链表
private static ArrayList<Grid> findNeighbors(Grid grid, List<Grid> openlist, List<Grid> closelist) {
// TODO Auto-generated method stub
ArrayList<Grid> gridlist=new ArrayList<Grid>();
//判断上下左右邻居节点的合理性，没问题就加入到邻居链表中。
if(isValidGrid(grid.x, grid.y-1, openlist, closelist)) {//下
gridlist.add(new Grid(grid.x, grid.y-1));
}
if(isValidGrid(grid.x, grid.y+1, openlist, closelist)) {//上
gridlist.add(new Grid(grid.x, grid.y+1));
}
if(isValidGrid(grid.x-1, grid.y, openlist, closelist)) {//左
gridlist.add(new Grid(grid.x-1, grid.y));
}
if(isValidGrid(grid.x+1, grid.y, openlist, closelist)) {//右
gridlist.add(new Grid(grid.x+1, grid.y));
}
return gridlist;
}
//判断当前位置的节点是否合理
private static boolean isValidGrid(int x, int y, List<Grid> openlist, List<Grid> closelist) {
// TODO Auto-generated method stub
//当前节点是否越界，不再MAZE数组范围内了，注意二位数组的长度计算方法及含意
//MAZE。length表示行的长度
//MAZE[0]。length表示列的长度
if(x<0 || x>=MAZE.length || y<0 || y>=MAZE[0].length) {
return false;
}
//当前节点是否为障碍节点
if(MAZE[x][y]==1) {
return false;
}
//判断当前节点是否在 openlist中
if(containgrid(openlist, x, y)) {
return false;
}
//判断当前节点是否在 closelist中
if(containgrid(closelist, x, y)) {
return false;
}
return true;
}
//判断当前链表中是否包含当前的节点
private static boolean containgrid(List<Grid> grids, int x, int y) {
// TODO Auto-generated method stub
for(Grid grid : grids) {
if((grid.x==x) && (grid.y==y)) {
return true;
}
}
return false;
}
//寻找当前链表中的节点F值 最小的那个节点，并返回这个节点。
private static Grid findMinGrid(ArrayList<Grid> openlist) {
// TODO Auto-generated method stub
Grid tempgrid=openlist.get(0);
for(Grid grid : openlist) {
if(grid.f<tempgrid.f) {
tempgrid=grid;
}
}
return tempgrid;
}
尝试改变启发式算法提高迷宫搜索速度
A_算法的估价函数可表示为：f’(n) = g’(n) + h’(n)这里，f’(n)是估价函数，g’(n)是起点到节点n的最短路径值，h’(n)是n到目标的最短路经的启发值。由于这个f’(n)其实是无法预先知道的，所以我们用前面的估价函数f(n)做近似。g(n)代替g’(n)，但 g(n)>=g’(n)才可（大多数情况下都是满足的，可以不用考虑），h(n)代替h’(n)，但h(n)<=h’(n)才可（这一点特别的重要）。可以证明应用这样的估价函数是可以找到最短路径的，也就是可采纳的。我们说应用这种估价函数的最好优先算法就是A_算法。
分析不同启发式函数对迷宫寻路速度的提升效果
需要完整实验报告和视频讲解，可以联系博主。
👉AI大模型学习路线汇总👈
大模型学习路线图，整体分为7个大的阶段：（全套教程文末领取哈）
第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；
第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；
第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；
第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；
第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；
第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；
第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。
👉大模型实战案例👈
光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。
👉大模型视频和PDF合集👈
观看零基础学习书籍和视频，看书籍和视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。
👉学会后的收获：👈
• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；
• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；
• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；
• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。
👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【
保证100%免费
】🆓
版权归原作者 慕烟疏雨 所有， 如有侵权，请联系我们删除。