Artificial intelligence A*寻路，计算G成本

我在理解如何始终如一地为a*寻路的实现计算正确的G成本方面遇到了一些困难。据我所知，这是从起始节点移动到当前节点的成本，但我不完全理解的是如何找到用于增加G成本的值。我见过使用10和14这样的数字的例子，但是这些数字是任意的吗？这取决于实现吗

当我开发一个2D游戏时，似乎我必须先找到G成本的“最佳点”（我应该注意，它似乎接近用作节点的地板砖的宽度），然后才能始终找到最短路径

---

对这件事的任何澄清都会很好。

你可以定义它们。当你“走一步”时，你加在G上的量就是你告诉算法你真正喜欢的路径的方式（H只是一个可接受的近似值，它是一组G增量的总和，有助于它更快地找到你想要的路径）。使用10和14是1和sqrt（2）的近似值，有点像如果你有欧几里德距离，但你在每一步都被限制在摩尔邻域，有时这被称为“对角线距离”或“八进制距离”（虽然更恰当地说，这个术语是为使用精确的sqrt（2）保留的）。因此，这一选择并非完全无中生有

但这取决于你，选择不同的成本会使你*更喜欢（或“不喜欢”）某些路径，例如，如果你使对角线成本与“直线”成本相同，它将真正喜欢对角线移动，它不一定会避免来回曲折（只要zig走对了路，这将是免费的，例如路径

/\

的长度将与

--

的长度相同）。使用高对角线成本（>2）将使它找到的路径与您使用的冯·诺依曼邻域相似，除了“紧急情况”中的路径它仍然能够沿对角线移动。在1和2之间，差别要小得多，但它有时会出现在障碍物周围

因此，使用低于sqrt（2）的对角线成本会使“奇怪”的路径不必要地曲折，使用高于sqrt（2）的对角线成本会使“愚蠢”的路径无法走对角线捷径。但您可能需要这样做，尤其是当这与“实际成本”匹配时（如果您有）然后，在我自己的一个游戏中，我故意使对角线的成本高于基于行走时间的成本，以使路径看起来更自然（否则就太曲折了）

---

黄色是“探索的”。由于实现细节的原因，底部路径需要一个对角线成本为10的迂回路径（它从NW开始顺时针添加节点，并使用一个稳定的插入到

open

中，而不是像堆这样聪明的东西，因此具有相等F的节点会在最先添加的节点上断开连接）.

谢谢你的解释。但是，在我创建的游戏中，没有对角线运动，即对角线运动根本不可能。在实现此算法时，通常是假设对角线运动是可能的吗？还是认为它是可选的？我只是觉得奇怪，使用10的代价会导致玩家走得更长路径，而当我增加G时，它最终达到了一个点，它总是选择最短路径，这同样没有对角线移动。@samcp20你可以选择任何你想要的邻域集，它甚至可以在任意图上工作！所以是的，对角线移动是完全可选的。当然，如果你没有对角线运动。不管怎么说，从你的措辞来看，这听起来像是你调整了G而不是H，在这种情况下，使G变小会导致它失败（这使得启发式不可接受，因此它可能找不到最优解）啊，我明白了，等我有机会的时候，我会再做一些实验。再次感谢你的详细解释，非常感谢。