Rust语言从入门到精通系列 - A*寻路算法

1231 字
6 分钟
Rust语言从入门到精通系列 - A*寻路算法

A算法是一种启发式搜索算法,常用于寻路问题。它的基本思路是从起点开始,每次选择一个最优的节点进行扩展,直到找到终点或者无法继续扩展。A算法的优点是可以通过启发式函数来指导搜索方向,从而提高搜索效率。

A*算法#

A*算法的基本流程如下:

  1. 将起点加入open列表中。
  2. 从open列表中找出f值最小的节点,将其作为当前节点。
  3. 如果当前节点是终点,则搜索结束。
  4. 否则,将当前节点从open列表中移除,加入close列表中。
  5. 对当前节点的邻居节点进行扩展,计算其f值,并将其加入open列表中。
  6. 重复步骤2-5,直到找到终点或者open列表为空。

A*算法的启发式函数通常使用曼哈顿距离或欧几里得距离,具体实现可以根据具体问题进行调整。

Rust实现A*算法#

下面是使用Rust语言实现A*算法的代码,代码中使用了一个二维数组来表示地图,0表示可以通过的格子,1表示障碍物,起点和终点分别用S和E表示。

use std::collections::BinaryHeap;
use std::cmp::Ordering;
#[derive(Clone, Copy, Eq, PartialEq)]
struct Node {
x: usize,
y: usize,
f: usize,
g: usize,
h: usize,
}
impl Ord for Node {
fn cmp(&self, other: &Self) -> Ordering {
other.f.cmp(&self.f)
}
}
impl PartialOrd for Node {
fn partial_cmp(&self, other: &Self) -> Option<Ordering> {
Some(self.cmp(other))
}
}
fn a_star(map: &Vec<Vec<i32>>, start: (usize, usize), end: (usize, usize)) -> Option<Vec<(usize, usize)>> {
let mut open_list = BinaryHeap::new();
let mut close_list = vec![vec![false; map[0].len()]; map.len()];
let mut parent = vec![vec![(0, 0); map[0].len()]; map.len()];
let mut g_score = vec![vec![usize::MAX; map[0].len()]; map.len()];
let mut f_score = vec![vec![usize::MAX; map[0].len()]; map.len()];
let (start_x, start_y) = start;
let (end_x, end_y) = end;
g_score[start_x][start_y] = 0;
f_score[start_x][start_y] = manhattan_distance(start_x, start_y, end_x, end_y);
open_list.push(Node { x: start_x, y: start_y, f: f_score[start_x][start_y], g: 0, h: f_score[start_x][start_y] });
while let Some(current) = open_list.pop() {
if current.x == end_x && current.y == end_y {
let mut path = vec![];
let mut current = (end_x, end_y);
while current != (start_x, start_y) {
path.push(current);
current = parent[current.0][current.1];
}
path.push((start_x, start_y));
path.reverse();
return Some(path);
}
close_list[current.x][current.y] = true;
// 四方向坐标系寻路, 可以根据需求改写扩展为8方向
for (dx, dy) in &[(-1, 0), (1, 0), (0, -1), (0, 1)] {
let x = current.x as i32 + dx;
let y = current.y as i32 + dy;
// 判断坐标是否超出地图边界
if x < 0 || x >= map.len() as i32 || y < 0 || y >= map[0].len() as i32 {
continue;
}
let x = x as usize;
let y = y as usize;
// 判断是否可以通行,可以通过扩展类型实现更多的地图场景效果
if map[x][y] == 1 || close_list[x][y] {
continue;
}
let tentative_g_score = g_score[current.x][current.y] + 1;
if tentative_g_score < g_score[x][y] {
parent[x][y] = (current.x, current.y);
g_score[x][y] = tentative_g_score;
f_score[x][y] = tentative_g_score + manhattan_distance(x, y, end_x, end_y);
if !open_list.iter().any(|node| node.x == x && node.y == y) {
open_list.push(Node { x: x, y: y, f: f_score[x][y], g: g_score[x][y], h: manhattan_distance(x, y, end_x, end_y) });
}
}
}
}
None
}
// 曼哈顿距离算法
fn manhattan_distance(x1: usize, y1: usize, x2: usize, y2: usize) -> usize {
let dx = if x1 > x2 { x1 - x2 } else { x2 - x1 };
let dy = if y1 > y2 { y1 - y2 } else { y2 - y1 };
(dx + dy) * 10
}
fn main() {
let map = vec![
vec![0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
vec![0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
vec![0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
vec![0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
vec![0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
vec![0, 0, 0, 0, 1, 1, 1, 1, 1, 0],
vec![0, 0, 0, 0, 1, 0, 0, 0, 1, 0],
vec![0, 0, 0, 0, 1, 0, 0, 0, 1, 0],
vec![0, 0, 0, 0, 1, 0, 0, 0, 1, 0],
vec![0, 0, 0, 0, 1, 0, 0, 0, 0, 0],
];
let start = (6, 1);
let end = (3, 8);
if let Some(path) = a_star(&map, start, end) {
for row in 0..map.len() {
for col in 0..map[0].len() {
if (row, col) == start {
print!("S");
} else if (row, col) == end {
print!("E");
} else if path.contains(&(row, col)) {
print!("*");
} else if map[row][col] == 1 {
print!("X");
} else {
print!(".");
}
}
println!();
}
} else {
println!("No path found!");
}
}
// 输出结果:
// ..........
// ..........
// ..........
// .*******E.
// .*........
// .*..XXXXX.
// .S..X...X.
// ....X...X.
// ....X...X.
// ....X.....

这个示例中,我们定义了起点和终点,以及一10x10的地图。最后,我们调用a_star函数,得到一条最短路径。

A*最佳实践#

在实际应用中,A*算法的性能可能会受到一些限制,例如地图过大、起点和终点距离过远等。为了提高算法的性能,可以考虑以下优化措施:

  • 使用更高效的数据结构,例如B+树、哈希表等。
  • 对地图进行预处理,例如生成格子图、缩小地图等。
  • 使用并行计算或GPU加速等技术。
  • 对算法进行剪枝或启发式搜索等优化。

总结#

本文介绍了如何使用Rust编写一个A寻路算法。A算法是一种启发式搜索算法,它可以在图中找到两个点之间的最短路径。我们使用了一个节点结构体、一个地图二维向量、一个open_list和close_list,以及一个估价函数来实现A*算法。最后,我们给出了一个使用示例。

支持与分享

如果这篇文章对你有帮助,欢迎分享给更多人或赞助支持!

赞助
Rust语言从入门到精通系列 - A*寻路算法
https://tinyzzh.github.io/posts/2023-03-18-rust_lang_tutorial_201_astar/
作者
TinyZ Zzh
发布于
2023-03-18
许可协议
CC BY-NC-SA 4.0

评论区

Profile Image of the Author
TinyZ Zzh
专注于高并发服务器、网络游戏相关(Java、PHP、Unity3D、Unreal Engine等)技术,热爱游戏事业, 正在努力实现自我价值当中。
公告
欢迎来到我的博客!这是一则示例公告。
音乐
封面

音乐

暂未播放

0:00 0:00
暂无歌词
分类
标签
站点统计
文章
211
分类
38
标签
200
总字数
337,853
运行时长
0
最后活动
0 天前

文章目录