使用A*算法求解机器人迷宫最短路径

Python实践日记

Posted by JadynAi on July 29, 2018

原创文章,转载请联系作者

时光只解催人老,不信多情,长恨离亭,泪滴春衫酒易醒。

前言

最近接触了一个挺有意思的小课题,跟大家分享一下。就是利用A*算法,来计算迷宫可行路径。有关这个算法的知识,大家可以看看 A星算法维基百科以及A星算法详解来稍作了解。
代码地址在此Maze,喜欢Python的小可爱们可以拿去练练手。

提要说明

本题中的迷宫,是以宫格类型呈现的,在代码中的呈现为二维数组。其次在迷宫中的移动,也只有上、下、左、右四个动作可选。如下所示:

其中1代表入口,2代表障碍物不可通行,3代表出口

[[3, 2, 2, 2, 2, 2, 2, 2, 1],
 [0, 0, 2, 2, 2, 2, 2, 0, 0],
 [2, 0, 0, 2, 2, 2, 0, 0, 2],
 [2, 2, 0, 0, 2, 0, 0, 2, 2],
 [2, 2, 2, 0, 0, 0, 2, 2, 2]]

其实在A*算法中,对单位搜索区域的描述为–节点nodes。在本题中,我们可以把搜索区域视为正方形,会更简单一点。

A*算法逻辑解析

A*算法的逻辑其实并不是很难,简化起来就是两个词:评估循环
从起点开始行动,首先找到起点周围可以行走的节点,然后在这个节点中,评估出距离终点最优(最短)的节点。那么这个最优节点,将作为下一步行动的点,以此类推,直至找到终点。
可以看到,在这个逻辑中,其实最重要的就是评估这一步了。A*算法的评估函数为:
f(n) = g(n) + h(n)

g(n)–代表移动到这个点的代价,在本题中均为1.因为只可以水平或者数值运动。要是斜角可以移动的话,那么这个值就为√2
h(n)–从这个点移动到终点的代价,这是一个猜测值。本题中,将迷宫视作坐标系的话,那么h(n)就是取和终点x、y各自差值的最小者。譬如点[4,2]和终点[1,1]的h(n)取值为:1

代码实现

代码中对点的描述,均为实际值,并非以0为开始值计算。

定位起点和终点,使用列表存储四个移动命令,以下代码env_data代表迷宫数组:

# 上下左右四个移动命令,只具备四个移动命令
orders = ['u', 'd', 'l', 'r']

# 定位起点和终点
start_loc = []
des_loc = []
for index, value in enumerate(env_data, 1):
    if len(start_loc) == 0 or len(des_loc) != 0:
        if 1 in value:
            start_loc = (index, value.index(1) + 1)
        if 3 in value:
            des_loc = (index, value.index(3) + 1)
    else:
        break

判断节点所有可执行的移动命令:

def valid_actions(loc):
    """
    :param loc:
    :return: 当前位置所有可用的命令
    """
    loc_actions = []
    for order in orders:
        if is_move_valid(loc, order):
            loc_actions.append(order)
    return loc_actions

def is_move_valid(loc, act):
    """
    判断当前点,是否可使用此移动命令
    """
    x = loc[0] - 1
    y = loc[1] - 1
    if act not in orders:
        return false
    else:
        if act == orders[0]:
            return x != 0 and env_data[x - 1][y] != 2
        elif act == orders[1]:
            return x != len(env_data) - 1 and env_data[x + 1][y] != 2
        elif act == orders[2]:
            return y != 0 and env_data[x][y - 1] != 2
        else:
            return y != len(env_data[0]) - 1 and env_data[x][y + 1] != 2

拿到节点周围移动单位为1的所有可到达点,不包括此节点:

def get_all_valid_loc(loc):
    """
    计算当前点,附近所有可用的点
    :param loc:
    :return:
    """
    all_valid_data = []
    cur_acts = valid_actions(loc)
    for act in cur_acts:
        all_valid_data.append(move_robot(loc, act))
    if loc in all_valid_data:
        all_valid_data.remove(loc)
    return all_valid_data
    
def move_robot(loc, act):
    """
    移动机器人,返回新位置
    :param loc:
    :param act:
    :return:
    """
    if is_move_valid(loc, act):
        if act == orders[0]:
            return loc[0] - 1, loc[1]
        elif act == orders[1]:
            return loc[0] + 1, loc[1]
        elif act == orders[2]:
            return loc[0], loc[1] - 1
        else:
            return loc[0], loc[1] + 1
    else:
        return loc

h(n)函数体现:

def compute_cost(loc):
    """
    计算loc到终点消耗的代价
    :param loc:
    :return:
    """
    return min(abs(loc[0] - des_loc[0]), abs(loc[1] - des_loc[1]))

开始计算

使用road_list来保存走过的路径,同时用另一个集合保存失败的节点——即此节点附近无可用节点,死胡同

# 已经走过的路径list,走过的路
road_list = [start_loc]
# 证实是失败的路径
failed_list = []

# 没有到达终点就一直循环
while road_list[len(road_list) - 1] != des_loc:
    # 当前点
    cur_loc = road_list[len(road_list) - 1]
    # 当前点四周所有可用点
    valid_loc_data = get_all_valid_loc(cur_loc)
    # 如果可用点里包括已经走过的节点,则移除
    for cl in road_list:
        if cl in valid_loc_data:
            valid_loc_data.remove(cl)
    # 如果可用点集合包括失败的节点,则移除
    for fl in failed_list:
        if fl in valid_loc_data:
            valid_loc_data.remove(fl)
    # 没有可用点,视作失败,放弃该节点。从走过的路集合中移除掉
    if len(valid_loc_data) == 0:
        failed_list.append(road_list.pop())
        continue
    # 用评估函数对可用点集合排序,取末端的值,加入走过的路集合中
    valid_loc_data.sort(key=compute_cost, reverse=True)
    road_list.append(valid_loc_data.pop())

看运行结果

结语

人生苦短,我用Python。代码地址在此Maze,喜欢Python的小可爱们可以拿去练练手。
在研究迷宫的过程中,发现生成迷宫的算法也是很有意思的,等忙完这段时间再去研究研究。嘻~~~~~
以上