A*寻路算法通过f(n)=g(n)+h(n)评估节点，使用优先队列管理开放列表，结合曼哈顿距离启发函数与网格邻居扩展，最终找到从起点到终点的最优路径。
在C++中实现A*（A星）寻路算法，核心是结合Dijkstra最短路径思想与启发式搜索。它通过评估每个节点的f(n) = g(n) + h(n)来选择最优路径，其中g(n)是从起点到当前点的实际代价，h(n)是当前点到终点的预估代价（启发函数），通常使用曼哈顿距离或欧几里得距离。
1. 定义节点结构
每个网格点需要记录坐标、代价值以及父节点信息，用于回溯路径：
struct Node {
int x, y;
double g, h, f;
Node* parent;
<pre class='brush:php;toolbar:false;'>Node(int x, int y) : x(x), y(y), g(0), h(0), f(0), parent(nullptr) {}
bool operator==(const Node& other) const {
return x == other.x && y == other.y;
}};
2. 启发函数设计
常用曼哈顿距离作为h值，在四方向移动场景下更合适：
立即学习“C++免费学习笔记（深入）”；
double heuristic(Node& a, Node& b) {
return abs(a.x - b.x) + abs(a.y - b.y); // 曼哈顿距离
}
3. 开放列表和关闭列表管理
用优先队列维护开放列表（按f值排序），用set或vector管理已访问节点：
#include <queue>
#include <set>
#include <vector>
<p>struct CompareNode {
bool operator()(Node<em> a, Node</em> b) {
return a->f > b->f; // 小顶堆
}
};</p><p>std::priority_queue<Node<em>, std::vector<Node</em>>, CompareNode> openList;
std::set<std::pair<int, int>> closedSet;</p>4. 主搜索循环实现
从起点开始扩展邻居，更新代价值并加入开放列表，直到找到终点：
std::vector<Node*> findPath(int grid[][COL], int rows, int cols, Node& start, Node& end) {
openList.push(&start);
<pre class='brush:php;toolbar:false;'>while (!openList.empty()) {
Node* current = openList.top(); openList.pop();
if (current->x == end.x && current->y == end.y) {
// 构建路径
std::vector<Node*> path;
while (current) {
path.push_back(current);
current = current->parent;
}
reverse(path.begin(), path.end());
return path;
}
closedSet.insert({current->x, current->y});
// 遍历上下左右四个方向
int dx[] = {0, 0, -1, 1};
int dy[] = {-1, 1, 0, 0};
for (int i = 0; i < 4; ++i) {
int nx = current->x + dx[i];
int ny = current->y + dy[i];
if (nx < 0 || nx >= rows || ny < 0 || ny >= cols) continue;
if (grid[nx][ny] == 1) continue; // 1表示障碍物
if (closedSet.find({nx, ny}) != closedSet.end()) continue;
Node* neighbor = new Node(nx, ny);
double tentative_g = current->g + 1; // 假设每步代价为1
bool isNew = true;
for (auto& n : openListContainer) { // 注意：priority_queue不支持遍历，需额外容器辅助
if (*n == *neighbor) {
isNew = false;
if (tentative_g < n->g) {
n->g = tentative_g;
n->f = n->g + n->h;
n->parent = current;
}
break;
}
}
if (isNew) {
neighbor->g = tentative_g;
neighbor->h = heuristic(*neighbor, end);
neighbor->f = neighbor->g + neighbor->h;
neighbor->parent = current;
openList.push(neighbor);
openListContainer.push_back(neighbor); // 辅助查找
}
}
}
return {}; // 无路径}
注意：标准priority_queue无法遍历，实际项目中可用multiset或自定义可更新堆结构优化性能。
5. 使用建议与优化
实际应用时注意以下几点：
- 避免内存泄漏，路径生成后释放动态创建的Node对象
- 可用二维数组预分配所有节点，减少new/delete开销
- 对于大地图，考虑使用跳点搜索（Jump Point Search）加速
- 若允许对角线移动，调整移动方向和距离计算方式
基本上就这些，A*算法逻辑清晰，关键是正确维护g、h、f值和节点状态。
