最优路径算法

9.4.3 寻路算法
路径选择问题是游戏开发中经常遇到的问题，比如热门的Android游戏《crystallight》，游戏中的敌人需要寻找到一条路径前进，直到被杀死或者是到达终点；又如，棋类游戏中，需要为棋子选择最"理智"的行进路径，以达到最佳棋面；再如，9.3.5节中提到的复杂游戏AI，其核心就是为"飞机"寻找一条最理想的逃生路线。

此外，在非规则实体的碰撞检测中，也需要选择较优的路径到达碰撞边缘。

类似的路径选择问题经常出现，但是如何合理地实现寻路算法，是很多程序员需要解决的难题。

1. A*算法知多少
很多游戏开发者一提到寻路算法，就想到A*算法；一提到A*算法，就望而却步。

下面将揭开A*算法的神秘面纱。

A*算法确实是最高效、最流行的寻路算法，是搜索算法最深层的延伸。

A*算法由4个要素组成：A*=估价函数+并查集+堆+广搜。

A*算法必须有强大的算法功底和长年累月的实战积累方能实现。

另外，A*也并非总是最适合的算法，它仅仅是在不同运用领域表现出更强的通用性，仅仅是在数据统计范畴内性能期望值最高。

那么，A*是否适合移植到Android平台呢？我们需要进一步分析它的特点与专长。

A*算法的精髓是以空间换取时间，它的运用前提是：解空间充分大，运算时间受到刚性限制，而存储空间(一般是内存)相对充足。

如果将它移植到Android平台上，其一，手机系统的内存资源弥足珍贵，A*算法将完全失去用武之地；其二，手机游戏的寻路空间相对较小，解空间相对狭隘。

因而，搜索算法的瓶颈不再是冗余的搜索尝试，而估价函数的开销以及冗长的代码将成为新的瓶颈。

因此，A*算法并不是Android手机游戏的唯一选择，针对不同的路径选择需要，应该定制不同的搜索算法。

2. 量身定制寻路算法
设计寻路算法应该基于两个原则：开发者力所能及、算法力所能及。

算法功底不是很雄厚的开发者，不必追求华丽的A*算法，可根据实际需要写一个普通的宽搜或者广搜算法。

毕竟手机游戏的解空间与PC游戏差了不止一个数量级，常规搜索的时间开销也不会庞大。

游戏开发者需要认真做好的是优化。

其实，开发寻路算法的大门一直都敞开着，只要开发者能够找准游戏的定位，选准突破的方向。

例如，热门塔防游戏--《Robo Defense》，它的搜索空间很小，对常规的搜索算法做一些优化，即能实现即时寻路。

具备深厚算法功底的开发者可以根据不同的路径选择需求，选择最恰当的寻路算法。

对于解空间较小、实时性较高的游戏，A*算法将是最恰当的选择，设计高效的估计函数将成为算法性能的关键；如果解空间较大，内存空间紧缺，那么采用迭代加深搜索算法效果更佳，
此算法的内存消耗微乎其微，而且能够保证最先搜到最短路径；如果游戏中的精灵需要持续寻路（比如NPC每走一步，都要寻找一次最优路径），那么遗传算法将是再适合不过的选择了，每执行一轮遗传算法得到的最终种群、经过移位和补位处理可以用来优化下一轮的初始种群，这将极其显著地消除重复性搜索尝试。

需要特别注意的是，使用人工智能算法实现寻路，虽然不能总是获得最优路线，但是量身定做的智能算法能够进一步节约内存消耗，能够让游戏在Android手机上面更加流畅地运行，同时，智能算法求解出的"智能"路线往往也会给玩家带来意外的惊喜与趣味。

比如，《蚂蚁吃蛋糕》游戏应用了人工智能算法实现路径选择，蚂蚁的前进路线是不确定的，但它是"理智"的，正是这种不完美的寻路机制，成为了游戏最大的亮点，使这款游戏获得了巨大的成功。