python中A*算法有什么用

小编给大家分享一下python中A*算法有什么用，希望大家阅读完这篇文章之后都有所收获，下面让我们一起去探讨吧！

说明

A*算法是静态路网中解决最短路径最有效的直接搜索方法。

A*算法是启发式算法，采用最佳优先搜索策略(Best-first)，基于评估函数对每个搜索位置的评估结果，猜测最佳优先搜索位置。

A*算法大大降低了低质量的搜索路径，因此搜索效率高，比传统的路径规划算法更实时、更灵活。但A*算法找到的是相对最优的路径，而不是绝对最短的路径，适合大规模、实时性高的问题。

实例

import heapqimport copyimport reimport datetime BLOCK = []  # 给定状态GOAL = []  # 目标状态 # 4个方向direction = [[0, 1], [0, -1], [1, 0], [-1, 0]] # OPEN表OPEN = [] # 节点的总数SUM_NODE_NUM = 0  # 状态节点class State(object):    def __init__(self, gn=0, hn=0, state=None, hash_value=None, par=None):        '''        初始化        :param gn: gn是初始化到现在的距离        :param hn: 启发距离        :param state: 节点存储的状态        :param hash_value: 哈希值，用于判重        :param par: 父节点指针        '''        self.gn = gn        self.hn = hn        self.fn = self.gn + self.hn        self.child = []  # 孩子节点        self.par = par  # 父节点        self.state = state  # 局面状态        self.hash_value = hash_value  # 哈希值     def __lt__(self, other):  # 用于堆的比较，返回距离最小的        return self.fn < other.fn     def __eq__(self, other):  # 相等的判断        return self.hash_value == other.hash_value     def __ne__(self, other):  # 不等的判断        return not self.__eq__(other)  def manhattan_dis(cur_node, end_node):    '''    计算曼哈顿距离    :param cur_state: 当前状态    :return: 到目的状态的曼哈顿距离    '''    cur_state = cur_node.state    end_state = end_node.state    dist = 0    N = len(cur_state)    for i in range(N):        for j in range(N):            if cur_state[i][j] == end_state[i][j]:                continue            num = cur_state[i][j]            if num == 0:                x = N - 1                y = N - 1            else:                x = num / N  # 理论横坐标                y = num - N * x - 1  # 理论的纵坐标            dist += (abs(x - i) + abs(y - j))     return dist  def test_fn(cur_node, end_node):    return 0  def generate_child(cur_node, end_node, hash_set, open_table, dis_fn):    '''    生成子节点函数    :param cur_node:  当前节点    :param end_node:  最终状态节点    :param hash_set:  哈希表，用于判重    :param open_table: OPEN表    :param dis_fn: 距离函数    :return: None    '''    if cur_node == end_node:        heapq.heappush(open_table, end_node)        return    num = len(cur_node.state)    for i in range(0, num):        for j in range(0, num):            if cur_node.state[i][j] != 0:                continue            for d in direction:  # 四个偏移方向                x = i + d[0]                y = j + d[1]                if x < 0 or x >= num or y < 0 or y >= num:  # 越界了                    continue                # 记录扩展节点的个数                global SUM_NODE_NUM                SUM_NODE_NUM += 1                 state = copy.deepcopy(cur_node.state)  # 复制父节点的状态                state[i][j], state[x][y] = state[x][y], state[i][j]  # 交换位置                h = hash(str(state))  # 哈希时要先转换成字符串                if h in hash_set:  # 重复了                    continue                hash_set.add(h)  # 加入哈希表                gn = cur_node.gn + 1  # 已经走的距离函数                hn = dis_fn(cur_node, end_node)  # 启发的距离函数                node = State(gn, hn, state, h, cur_node)  # 新建节点                cur_node.child.append(node)  # 加入到孩子队列                heapq.heappush(open_table, node)  # 加入到堆中  def print_path(node):    '''    输出路径    :param node: 最终的节点    :return: None    '''    num = node.gn     def show_block(block):        print("---------------")        for b in block:            print(b)     stack = []  # 模拟栈    while node.par is not None:        stack.append(node.state)        node = node.par    stack.append(node.state)    while len(stack) != 0:        t = stack.pop()        show_block(t)    return num  def A_start(start, end, distance_fn, generate_child_fn, time_limit=10):    '''    A*算法    :param start: 起始状态    :param end: 终止状态    :param distance_fn: 距离函数，可以使用自定义的    :param generate_child_fn: 产生孩子节点的函数    :param time_limit: 时间限制，默认10秒    :return: None    '''    root = State(0, 0, start, hash(str(BLOCK)), None)  # 根节点    end_state = State(0, 0, end, hash(str(GOAL)), None)  # 最后的节点    if root == end_state:        print("start == end !")     OPEN.append(root)    heapq.heapify(OPEN)     node_hash_set = set()  # 存储节点的哈希值    node_hash_set.add(root.hash_value)    start_time = datetime.datetime.now()    while len(OPEN) != 0:        top = heapq.heappop(OPEN)        if top == end_state:  # 结束后直接输出路径            return print_path(top)        # 产生孩子节点，孩子节点加入OPEN表        generate_child_fn(cur_node=top, end_node=end_state, hash_set=node_hash_set,                          open_table=OPEN, dis_fn=distance_fn)        cur_time = datetime.datetime.now()        # 超时处理        if (cur_time - start_time).seconds > time_limit:            print("Time running out, break !")            print("Number of nodes:", SUM_NODE_NUM)            return -1     print("No road !")  # 没有路径    return -1  def read_block(block, line, N):    '''    读取一行数据作为原始状态    :param block: 原始状态    :param line: 一行数据    :param N: 数据的总数    :return: None    '''    pattern = re.compile(r'\d+')  # 正则表达式提取数据    res = re.findall(pattern, line)    t = 0    tmp = []    for i in res:        t += 1        tmp.append(int(i))        if t == N:            t = 0            block.append(tmp)            tmp = []  if __name__ == '__main__':    try:        file = open("./infile.txt", "r")    except IOError:        print("can not open file infile.txt !")        exit(1)     f = open("./infile.txt")    NUMBER = int(f.readline()[-2])    n = 1    for i in range(NUMBER):        l = []        for j in range(NUMBER):            l.append(n)            n += 1        GOAL.append(l)    GOAL[NUMBER - 1][NUMBER - 1] = 0     for line in f:  # 读取每一行数据        OPEN = []  # 这里别忘了清空        BLOCK = []        read_block(BLOCK, line, NUMBER)        SUM_NODE_NUM = 0        start_t = datetime.datetime.now()        # 这里添加5秒超时处理，可以根据实际情况选择启发函数        length = A_start(BLOCK, GOAL, manhattan_dis, generate_child, time_limit=10)        end_t = datetime.datetime.now()        if length != -1:            print("length =", length)            print("time = ", (end_t - start_t).total_seconds(), "s")            print("Nodes =", SUM_NODE_NUM)

看完了这篇文章，相信你对“python中A*算法有什么用”有了一定的了解，如果想了解更多相关知识，欢迎关注编程网行业资讯频道，感谢各位的阅读！