A star 算法 (Python)

A*算法作为快速的寻路算法，可以快速查询两点之间的最短路径，下面是代码

参考网址：https://github.com/xclu/Python-1/blob/master/graphs/a_star.py

# function to search the path
def a_star_search(grid: list, begin_point: list, target_point: list, cost=1):assert ((grid[begin_point[0]][begin_point[1]] != 1) and (grid[target_point[0]][target_point[1]] != 1))# the cost map which pushes the path closer to the goalheuristic = [[0 for row in range(len(grid[0]))] for col in range(len(grid))]for i in range(len(grid)):for j in range(len(grid[0])):heuristic[i][j] = abs(i - target_point[0]) + abs(j - target_point[1])if grid[i][j] == 1:heuristic[i][j] = 99  # added extra penalty in the heuristic map# the actions we can takedelta = [[-1, 0],  # go up[0, -1],  # go left[1, 0],  # go down[0, 1]]  # go rightclose_matrix = [[0 for col in range(len(grid[0]))] for row in range(len(grid))]  # the referrence gridclose_matrix[begin_point[0]][begin_point[1]] = 1action_matrix = [[0 for col in range(len(grid[0]))] for row in range(len(grid))]  # the action gridx = begin_point[0]y = begin_point[1]g = 0f = g + heuristic[begin_point[0]][begin_point[0]]cell = [[f, g, x, y]]found = False  # flag that is set when search is completeresign = False  # flag set if we can't find expandwhile not found and not resign:if len(cell) == 0:resign = Truereturn None, Noneelse:cell.sort()  # to choose the least costliest action so as to move closer to the goalcell.reverse()next = cell.pop()x = next[2]y = next[3]g = next[1]f = next[0]if x == target_point[0] and y == target_point[1]:found = Trueelse:# delta have four stepsfor i in range(len(delta)):  # to try out different valid actionsx2 = x + delta[i][0]y2 = y + delta[i][1]if x2 >= 0 and x2 < len(grid) and y2 >= 0 and y2 < len(grid[0]):  # 判断可否通过那个点if close_matrix[x2][y2] == 0 and grid[x2][y2] == 0:g2 = g + costf2 = g2 + heuristic[x2][y2]cell.append([f2, g2, x2, y2])close_matrix[x2][y2] = 1action_matrix[x2][y2] = iinvpath = []x = target_point[0]y = target_point[1]invpath.append([x, y])  # we get the reverse path from herewhile x != begin_point[0] or y != begin_point[1]:x2 = x - delta[action_matrix[x][y]][0]y2 = y - delta[action_matrix[x][y]][1]x = x2y = y2invpath.append([x, y])path = []for i in range(len(invpath)):path.append(invpath[len(invpath) - 1 - i])return path, action_matrixif __name__ == "__main__":# 0为自由通行节点，1为障碍grid = [[0, 1, 0, 0, 0, 0],[0, 1, 0, 0, 0, 0], [0, 1, 0, 0, 0, 0],[0, 1, 0, 0, 1, 0],[0, 0, 0, 0, 1, 0]]begin = [3, 0]  # 3行0列为起始点target = [1, 4]  # 1行4列为终点a_star_path, action_matrix = a_star_search(grid, begin, target)for path in a_star_path:print(path)

A star 算法 (Python)相关推荐

匈牙利算法python代码实现以及原理图解
匈牙利算法python代码实现以及原理图解 1.匈牙利算法python代码实现: 2.原理图解: 1.匈牙利算法python代码实现: scipy中有对应的接口scipy.optimize.linea ...
算法(Python版）|156Kstars|神级项目-（1）The Algorithms - Python简介
文章目录算法(Python版) 项目地址项目概况说明参与入门社区频道算法列表 Arithmetic Analysis 算术分析 Audio Filters 音频过滤器 Backtracki ...
棋盘最短路径 python_Dijkstra 最短路径算法 Python 实现
Dijkstra 最短路径算法 Python 实现问题描述使用 Dijkstra 算法求图中的任意顶点到其它顶点的最短路径(求出需要经过那些点以及最短距离). 以下图为例: 算法思想可以使用二维 ...
2021-03-15 数据挖掘算法—K-Means算法 Python版本
数据挖掘算法-K-Means算法 Python版本简介又叫K-均值算法,是非监督学习中的聚类算法. 基本思想 k-means算法比较简单.在k-means算法中,用cluster来表示簇:容易证明 ...
2021-01-28 粒子群优化算法-Python版本和Matlab函数 particleswarm 调用
粒子群优化算法-Python版本和Matlab函数 particleswarm 调用前两天分享了粒子群优化算法的原理和Matlab原理实现,本文分享一下Python代码下的PSO实现以及Matlab ...
最优化算法python实现篇（4）——无约束多维极值（梯度下降法）
最优化算法python实现篇(4)--无约束多维极值(梯度下降法) 摘要算法简介注意事项算法适用性 python实现实例运行结果算法过程可视化摘要本文介绍了多维无约束极值优化算法中的梯度 ...
最优化算法python实现篇（3）——无约束一维极值（黄金分割法）
最优化算法python实现篇(3)--无约束一维极值(黄金分割法) 算法适用问题 python实现示例运行结果算法适用问题搜索给定单峰区间的极值问题,一般对凸优化问题比较适用. python实现 ...
最优化算法python实现篇（2）—无约束一维极值（二分法）
最优化算法python实现篇(2)--无约束一维极值(二分法) 算法适用问题 python实现示例运行结果算法适用问题搜索给定单峰区间的极值问题,一般对凸优化问题比较适用. python实现 # ...
多元线性回归算法python实现_手写算法-Python代码推广多元线性回归
1.梯度下降-矩阵形式上篇文章介绍了一元线性回归,包括Python实现和sklearn实现的实例.对比,以及一些问题点,详情可以看这里: 链接: 手写算法-Python代码实现一元线性回归里面封装 ...

A star 算法 (Python)

A star 算法 (Python)相关推荐

最新文章

热门文章