A-star算法java实现说明

我最近学习了一个星型算法的Java实现，其中输入数据是20*20网格的形式

根据A星算法伪码，选择开放列表中最终开销最低的节点作为当前要前往的节点

在实际实现爪哇算法之前，我已经用其他语言实现了许多不同的实现，如Ruby、Python和C++。p> 在其他语言中实现的一个共同点是，它坚持在遍历路径时将最终成本最低的节点作为新的当前节点

我使用了一个优先级队列来实现该算法的开放列表，在下面添加了比较器，它为最终成本较低的节点提供了更高的优先级

PriorityQueue<GridPiece> unvisitedNodes = new PriorityQueue<>(10,
            (gridPie1, gridPie2) -> ((GridPiece) gridPie1).getFinalCost() > 
((GridPiece) gridPie2).getFinalCost()? -1
                    : ((GridPiece) gridPie1).getFinalCost() < ((GridPiece) 
gridPie2).getFinalCost() ? 1 : 0);

PriorityQueue unvisitedNodes=新的PriorityQueue（10，
（gridPie1，gridPie2）->（gridPie1.getFinalCost（）>
（（GridPiece）gridPie2.getFinalCost（）？-1
：（（GridPiece）gridPie1.getFinalCost（）<（（GridPiece）
getFinalCost（）？1:0）；

但是当我运行算法时，我得到了可能的最长路径。 两幅图像的图例都是，路径为橙色，源为粉红色，目标为紫色

当我研究基于网格的输入的该算法的Java实现时，如果使用优先级队列，它们总是为最终成本较高的节点提供更高的优先级。我尝试了这个方法，把比较器改成这个

PriorityQueue<GridPiece> unvisitedNodes = new PriorityQueue<>(10,
            (gridPie1, gridPie2) -> ((GridPiece) gridPie1).getFinalCost() < 
((GridPiece) gridPie2).getFinalCost()? -1
                    : ((GridPiece) gridPie1).getFinalCost() > ((GridPiece) 
gridPie2).getFinalCost() ? 1 : 0);

PriorityQueue unvisitedNodes=新的PriorityQueue（10，
（gridPie1，gridPie2）->（gridPie1.getFinalCost（））
（（GridPiece）gridPie2.getFinalCost（）？-1
：（（GridPiece）gridPie1.getFinalCost（）>（（GridPiece）
getFinalCost（）？1:0）；

然后我找到了一条更好的路

我的简单请求是一个简短的解释，解释了当实现完全遵循伪代码时，为什么算法的行为不符合预期，以及为什么需要切换节点的优先级（更高的最终成本首先转移到节点），以便算法在java实现中工作

---

可以找到项目的完整代码。

优先级队列的头是给定顺序的最小元素。当第一个元素的成本大于第二个元素的成本时，比较器返回-1。换句话说，你把最高成本放在第一位。这就是为什么你的队列头有一个成本最大的网格饼

在第二个实现中，当第一个元素的成本小于第二个元素的成本时，比较器返回-1，这是您想要的

如果您只是按成本（大概是整数？）排序，那么您可以执行以下操作：

new PriorityQueue<GridPiece>(Comparator.comparingInt(GridPiece::getFinalCost));

newpriorityqueue（Comparator.comparingInt（GridPiece:：getFinalCost））；

---

很少有理由指定初始容量。对于像您这样的小型电网，只需使用默认容量即可简化。

99%

of

a*

是一个普通的问题。唯一的区别是，它没有猜测节点的

0

成本，而是使用启发式函数进行更好的猜测。一个常见的启发式是乌鸦飞，一个很好的启发式是地标（例如贪婪的最远选择）。非常感谢！我一定会调查的。