首页
所有分类
TAGS
文字工具 EMOJI BIBLE
编程 Python

python实现A*寻路算法

Posted in Python onJune 13, 2021

A* 算法简介

A* 算法需要维护两个数据结构：OPEN 集和 CLOSED 集。OPEN 集包含所有已搜索到的待检测节点。初始状态，OPEN集仅包含一个元素：开始节点。CLOSED集包含已检测的节点。初始状态，CLOSED集为空。每个节点还包含一个指向父节点的指针，以确定追踪关系。

A* 算法会给每个搜索到的节点计算一个G+H 的和值F：

  • F = G + H
  • G：是从开始节点到当前节点的移动量。假设开始节点到相邻节点的移动量为1，该值会随着离开始点越来越远而增大。
  • H：是从当前节点到目标节点的移动量估算值。
    • 如果允许向4邻域的移动，使用曼哈顿距离。
    • 如果允许向8邻域的移动，使用对角线距离。

算法有一个主循环，重复下面步骤直到到达目标节点：
1 每次从OPEN集中取一个最优节点n（即F值最小的节点）来检测。
2 将节点n从OPEN集中移除，然后添加到CLOSED集中。
3 如果n是目标节点，那么算法结束。
4 否则尝试添加节点n的所有邻节点n'。

  • 邻节点在CLOSED集中，表示它已被检测过，则无需再添加。
  • 邻节点在OPEN集中：
    • 如果重新计算的G值比邻节点保存的G值更小，则需要更新这个邻节点的G值和F值，以及父节点；
    • 否则不做操作
  • 否则将该邻节点加入OPEN集，设置其父节点为n，并设置它的G值和F值。

有一点需要注意，如果开始节点到目标节点实际是不连通的，即无法从开始节点移动到目标节点，那算法在第1步判断获取到的节点n为空，就会退出

关键代码介绍

保存基本信息的地图类

地图类用于随机生成一个供寻路算法工作的基础地图信息

先创建一个map类， 初始化参数设置地图的长度和宽度，并设置保存地图信息的二维数据map的值为0， 值为0表示能移动到该节点。

class Map():
	def __init__(self, width, height):
		self.width = width
		self.height = height
		self.map = [[0 for x in range(self.width)] for y in range(self.height)]

在map类中添加一个创建不能通过节点的函数，节点值为1表示不能移动到该节点。

def createBlock(self, block_num):
		for i in range(block_num):
			x, y = (randint(0, self.width-1), randint(0, self.height-1))
			self.map[y][x] = 1

在map类中添加一个显示地图的函数，可以看到，这边只是简单的打印出所有节点的值，值为0或1的意思上面已经说明，在后面显示寻路算法结果时，会使用到值2，表示一条从开始节点到目标节点的路径。

def showMap(self):
		print("+" * (3 * self.width + 2))
		for row in self.map:
			s = '+'
			for entry in row:
				s += ' ' + str(entry) + ' '
			s += '+'
			print(s)
		print("+" * (3 * self.width + 2))

添加一个随机获取可移动节点的函数

def generatePos(self, rangeX, rangeY):
		x, y = (randint(rangeX[0], rangeX[1]), randint(rangeY[0], rangeY[1]))
		while self.map[y][x] == 1:
			x, y = (randint(rangeX[0], rangeX[1]), randint(rangeY[0], rangeY[1]))
		return (x , y)

搜索到的节点类

每一个搜索到将到添加到OPEN集的节点，都会创建一个下面的节点类，保存有entry的位置信息（x，y），计算得到的G值和F值，和该节点的父节点（pre_entry）。

class SearchEntry():
	def __init__(self, x, y, g_cost, f_cost=0, pre_entry=None):
		self.x = x
		self.y = y
		# cost move form start entry to this entry
		self.g_cost = g_cost
		self.f_cost = f_cost
		self.pre_entry = pre_entry
	
	def getPos(self):
		return (self.x, self.y)

算法主函数介绍

下面就是上面算法主循环介绍的代码实现，OPEN集和CLOSED集的数据结构使用了字典，在一般情况下，查找，添加和删除节点的时间复杂度为O(1), 遍历的时间复杂度为O(n), n为字典中对象数目。

def AStarSearch(map, source, dest):
	...
	openlist = {}
	closedlist = {}
	location = SearchEntry(source[0], source[1], 0.0)
	dest = SearchEntry(dest[0], dest[1], 0.0)
	openlist[source] = location
	while True:
		location = getFastPosition(openlist)
		if location is None:
			# not found valid path
			print("can't find valid path")
			break;
		
		if location.x == dest.x and location.y == dest.y:
			break
		
		closedlist[location.getPos()] = location
		openlist.pop(location.getPos())
		addAdjacentPositions(map, location, dest, openlist, closedlist)
	
	#mark the found path at the map
	while location is not None:
		map.map[location.y][location.x] = 2
		location = location.pre_entry

我们按照算法主循环的实现来一个个讲解用到的函数。
下面函数就是从OPEN集中获取一个F值最小的节点，如果OPEN集会空，则返回None。

# find a least cost position in openlist, return None if openlist is empty
	def getFastPosition(openlist):
		fast = None
		for entry in openlist.values():
			if fast is None:
				fast = entry
			elif fast.f_cost > entry.f_cost:
				fast = entry
		return fast

addAdjacentPositions 函数对应算法主函数循环介绍中的尝试添加节点n的所有邻节点n'。

# add available adjacent positions
	def addAdjacentPositions(map, location, dest, openlist, closedlist):
		poslist = getPositions(map, location)
		for pos in poslist:
			# if position is already in closedlist, do nothing
			if isInList(closedlist, pos) is None:
				findEntry = isInList(openlist, pos)
				h_cost = calHeuristic(pos, dest)
				g_cost = location.g_cost + getMoveCost(location, pos)
				if findEntry is None :
					# if position is not in openlist, add it to openlist
					openlist[pos] = SearchEntry(pos[0], pos[1], g_cost, g_cost+h_cost, location)
				elif findEntry.g_cost > g_cost:
					# if position is in openlist and cost is larger than current one,
					# then update cost and previous position
					findEntry.g_cost = g_cost
					findEntry.f_cost = g_cost + h_cost
					findEntry.pre_entry = location

getPositions 函数获取到所有能够移动的节点，这里提供了2种移动的方式：

  • 允许上，下，左，右 4邻域的移动
  • 允许上，下，左，右，左上，右上，左下，右下 8邻域的移动
def getNewPosition(map, locatioin, offset):
		x,y = (location.x + offset[0], location.y + offset[1])
		if x < 0 or x >= map.width or y < 0 or y >= map.height or map.map[y][x] == 1:
			return None
		return (x, y)
		
	def getPositions(map, location):
		# use four ways or eight ways to move
		offsets = [(-1,0), (0, -1), (1, 0), (0, 1)]
		#offsets = [(-1,0), (0, -1), (1, 0), (0, 1), (-1,-1), (1, -1), (-1, 1), (1, 1)]
		poslist = []
		for offset in offsets:
			pos = getNewPosition(map, location, offset)
			if pos is not None:			
				poslist.append(pos)
		return poslist

isInList 函数判断节点是否在OPEN集 或CLOSED集中

# check if the position is in list
	def isInList(list, pos):
		if pos in list:
			return list[pos]
		return None

calHeuristic 函数简单得使用了曼哈顿距离，这个后续可以进行优化。
getMoveCost 函数根据是否是斜向移动来计算消耗（斜向就是2的开根号，约等于1.4）

# imporve the heuristic distance more precisely in future
	def calHeuristic(pos, dest):
		return abs(dest.x - pos[0]) + abs(dest.y - pos[1])
		
	def getMoveCost(location, pos):
		if location.x != pos[0] and location.y != pos[1]:
			return 1.4
		else:
			return 1

代码的初始化

可以调整地图的长度，宽度和不可移动节点的数目。
可以调整开始节点和目标节点的取值范围。

WIDTH = 10
HEIGHT = 10
BLOCK_NUM = 15
map = Map(WIDTH, HEIGHT)
map.createBlock(BLOCK_NUM)
map.showMap()

source = map.generatePos((0,WIDTH//3),(0,HEIGHT//3))
dest = map.generatePos((WIDTH//2,WIDTH-1),(HEIGHT//2,HEIGHT-1))
print("source:", source)
print("dest:", dest)
AStarSearch(map, source, dest)
map.showMap()

执行的效果图如下，第一个表示随机生成的地图，值为1的节点表示不能移动到该节点。
第二个图中值为2的节点表示找到的路径。

python实现A*寻路算法

完整代码

使用python3.7编译

from random import randint

class SearchEntry():
	def __init__(self, x, y, g_cost, f_cost=0, pre_entry=None):
		self.x = x
		self.y = y
		# cost move form start entry to this entry
		self.g_cost = g_cost
		self.f_cost = f_cost
		self.pre_entry = pre_entry
	
	def getPos(self):
		return (self.x, self.y)

class Map():
	def __init__(self, width, height):
		self.width = width
		self.height = height
		self.map = [[0 for x in range(self.width)] for y in range(self.height)]
	
	def createBlock(self, block_num):
		for i in range(block_num):
			x, y = (randint(0, self.width-1), randint(0, self.height-1))
			self.map[y][x] = 1
	
	def generatePos(self, rangeX, rangeY):
		x, y = (randint(rangeX[0], rangeX[1]), randint(rangeY[0], rangeY[1]))
		while self.map[y][x] == 1:
			x, y = (randint(rangeX[0], rangeX[1]), randint(rangeY[0], rangeY[1]))
		return (x , y)

	def showMap(self):
		print("+" * (3 * self.width + 2))

		for row in self.map:
			s = '+'
			for entry in row:
				s += ' ' + str(entry) + ' '
			s += '+'
			print(s)

		print("+" * (3 * self.width + 2))
	

def AStarSearch(map, source, dest):
	def getNewPosition(map, locatioin, offset):
		x,y = (location.x + offset[0], location.y + offset[1])
		if x < 0 or x >= map.width or y < 0 or y >= map.height or map.map[y][x] == 1:
			return None
		return (x, y)
		
	def getPositions(map, location):
		# use four ways or eight ways to move
		offsets = [(-1,0), (0, -1), (1, 0), (0, 1)]
		#offsets = [(-1,0), (0, -1), (1, 0), (0, 1), (-1,-1), (1, -1), (-1, 1), (1, 1)]
		poslist = []
		for offset in offsets:
			pos = getNewPosition(map, location, offset)
			if pos is not None:			
				poslist.append(pos)
		return poslist
	
	# imporve the heuristic distance more precisely in future
	def calHeuristic(pos, dest):
		return abs(dest.x - pos[0]) + abs(dest.y - pos[1])
		
	def getMoveCost(location, pos):
		if location.x != pos[0] and location.y != pos[1]:
			return 1.4
		else:
			return 1

	# check if the position is in list
	def isInList(list, pos):
		if pos in list:
			return list[pos]
		return None
	
	# add available adjacent positions
	def addAdjacentPositions(map, location, dest, openlist, closedlist):
		poslist = getPositions(map, location)
		for pos in poslist:
			# if position is already in closedlist, do nothing
			if isInList(closedlist, pos) is None:
				findEntry = isInList(openlist, pos)
				h_cost = calHeuristic(pos, dest)
				g_cost = location.g_cost + getMoveCost(location, pos)
				if findEntry is None :
					# if position is not in openlist, add it to openlist
					openlist[pos] = SearchEntry(pos[0], pos[1], g_cost, g_cost+h_cost, location)
				elif findEntry.g_cost > g_cost:
					# if position is in openlist and cost is larger than current one,
					# then update cost and previous position
					findEntry.g_cost = g_cost
					findEntry.f_cost = g_cost + h_cost
					findEntry.pre_entry = location
	
	# find a least cost position in openlist, return None if openlist is empty
	def getFastPosition(openlist):
		fast = None
		for entry in openlist.values():
			if fast is None:
				fast = entry
			elif fast.f_cost > entry.f_cost:
				fast = entry
		return fast

	openlist = {}
	closedlist = {}
	location = SearchEntry(source[0], source[1], 0.0)
	dest = SearchEntry(dest[0], dest[1], 0.0)
	openlist[source] = location
	while True:
		location = getFastPosition(openlist)
		if location is None:
			# not found valid path
			print("can't find valid path")
			break;
		
		if location.x == dest.x and location.y == dest.y:
			break
		
		closedlist[location.getPos()] = location
		openlist.pop(location.getPos())
		addAdjacentPositions(map, location, dest, openlist, closedlist)
		
	#mark the found path at the map
	while location is not None:
		map.map[location.y][location.x] = 2
		location = location.pre_entry	

	
WIDTH = 10
HEIGHT = 10
BLOCK_NUM = 15
map = Map(WIDTH, HEIGHT)
map.createBlock(BLOCK_NUM)
map.showMap()

source = map.generatePos((0,WIDTH//3),(0,HEIGHT//3))
dest = map.generatePos((WIDTH//2,WIDTH-1),(HEIGHT//2,HEIGHT-1))
print("source:", source)
print("dest:", dest)
AStarSearch(map, source, dest)
map.showMap()

到此这篇关于python实现A*寻路算法的文章就介绍到这了,更多相关python A*寻路算法内容请搜索三水点靠木以前的文章或继续浏览下面的相关文章希望大家以后多多支持三水点靠木！

python实现A*寻路算法

- Author -

marble_xu

声明：登载此文出于传递更多信息之目的，并不意味着赞同其观点或证实其描述。

Python 相关文章推荐
Sanic框架安装与简单入门示例
Jul 16 Python
python实现转圈打印矩阵
Mar 02 Python
python 计算平均平方误差(MSE)的实例
Jun 29 Python
将Pytorch模型从CPU转换成GPU的实现方法
Aug 19 Python
基于Python检测动态物体颜色过程解析
Dec 04 Python
Python输出指定字符串的方法
Feb 06 Python
python递归函数求n的阶乘,优缺点及递归次数设置方式
Apr 02 Python
Python爬虫headers处理及网络超时问题解决方案
Jun 19 Python
Pytorch框架实现mnist手写库识别（与tensorflow对比）
Jul 20 Python
pytorch 预训练模型读取修改相关参数的填坑问题
Jun 05 Python
Python OpenCV超详细讲解调整大小与图像操作的实现
Apr 02 Python
Python+Pillow+Pytesseract实现验证码识别
May 11 Python
Python实现生成bmp图像的方法
Jun 13 #Python
Python实现随机生成迷宫并自动寻路
python中opencv实现图片文本倾斜校正
Jun 11 #Python
端午节将至,用Python爬取粽子数据并可视化,看看网友喜欢哪种粽子吧!
Python-OpenCV实现图像缺陷检测的实例
Python中OpenCV实现简单车牌字符切割
Python排序算法之插入排序及其优化方案详解
大脑(1) 数据(1) 美国航天局(1) 毅力号(1) 酶(1) 火星(2) 陨石(1) 嘧啶碱基(2) NASA(1) 富碳陨石(1)
You might like
手把手教你使用DedeCms V3的在线采集图文教程
2007/04/03 PHP
php 传值赋值与引用赋值的区别
2010/12/29 PHP
php模板中出现空行解决方法
2011/03/08 PHP
php实现生成带二维码图片并强制下载功能
2018/02/24 PHP
jQuery 图片切换插件(代码比较少)
2012/05/07 Javascript
jQuery使用$.ajax进行异步刷新的方法(附demo下载)
2015/12/04 Javascript
javascript每日必学之多态
2016/02/23 Javascript
AngularJS变量及过滤器Filter用法分析
2016/11/22 Javascript
javascript输出AscII码扩展集中的字符方法
2016/12/26 Javascript
JavaScript利用闭包实现模块化
2017/01/13 Javascript
javascript实现圣旨卷轴展开效果（代码分享）
2017/03/23 Javascript
JavaScript瀑布流布局实现代码
2017/05/06 Javascript
mongoose中利用populate处理嵌套的方法
2017/05/26 Javascript
详解微信小程序设置底部导航栏目方法
2017/06/29 Javascript
JS实现json对象数组按对象属性排序操作示例
2018/05/18 Javascript
angular将html代码输出为内容的实例
2018/09/30 Javascript
js变量值传到php过程详解 将php解析成数据
2019/06/26 Javascript
ES6基础之字符串和函数的拓展详解
2019/08/22 Javascript
微信内置浏览器图片查看器的代码实例
2019/10/08 Javascript
Python之PyUnit单元测试实例
2014/10/11 Python
python用来获得图片exif信息的库实例分析
2015/03/16 Python
python使用win32com库播放mp3文件的方法
2015/05/30 Python
详解在Python的Django框架中创建模板库的方法
2015/07/20 Python
Python验证码识别处理实例
2015/12/28 Python
Python配置mysql的教程(推荐)
2017/10/13 Python
python3 写一个WAV音频文件播放器的代码
2019/09/27 Python
Python实现初始化不同的变量类型为空值
2020/06/02 Python
django template实现定义临时变量,自定义赋值、自增实例
2020/07/12 Python
HTML5实现桌面通知 提示功能
2017/10/11 HTML / CSS
意大利在线药房：Saninforma
2021/02/11 全球购物
C语言中一个结构不能包含指向自己的指针吗
2012/05/25 面试题
在使用非全零作为空指针内部表达的机器上, NULL是如何定义
2014/11/09 面试题
小学校园广播稿
2015/08/18 职场文书
jQuery ajax - getScript() 方法和getJSON方法
2021/05/14 jQuery
苹果M1芯片安装nginx 并且部署vue项目步骤详解
2021/11/20 Servers
pandas进行数据输入和输出的方法详解
2022/03/23 Python