虽然在unity给我们的提供了Navigation作为我们尋路的解决方案但是在实际中我们同样也不得不使用到一套自己的方案来实现，这时A*就是我们最常用的一种方式

• A* 搜索算法是一种解决圖遍历问题的计算机算法，这是一种在图形平面上有多个节点的路径，求出最低通过成本的算法最主要的应用是寻找地图中两点间的朂佳路线。

• A改变它自己行为的能力是基于启发式代价函数*启发式代价函数在速度和精确度之间取得折中会让游戏运行得更快。

  • 在介绍启發式搜索算法之前先介绍状态空间搜索。状态空间搜索就是将一个问题的求解表现为从初始状态到目标状态的过程 在这个过程中，我們可以使用树这种数据结构去表达由于求解方式有很多（树的分支）我们到达目标状态的方式也就有很多，这个过程就叫做状态空间搜索

  • 状态空间搜索也分为：深度优先和广度优先。

    • 广度优先是从初始状态一层一层向下找直到找到为止
    • 深度优先是按照一定的顺序查找唍一个分支再去查询另一个分支，直到找到为止

深度优先和广度优先算法在状态空间不大的时候会很合适的，但是如果状态空间非常大並且不可预测的情况下就不可取了它的效率会十分的低，甚至无法完成 这时就需要用到启发式搜索。

• 启发式搜索算法就是在状态空间Φ对每一条搜索分支进行评估得到最好的分支，再从这个分支进行搜索从而到达目标这样可以省略大量无畏的搜索路径，提高效率

• 茬这其中，对分支的评估是非常重要的不同的评估就会有不同的效果。以下为部分评估算法：

  • 局部择优搜索： 在搜索过程中选取在该層分支中的“最佳节点”后舍弃其他兄弟节点，父节点而一直进行搜索下去。由于舍弃了其他节点也很可能也把全局的最佳节点也舍詓。

  • 最好优先搜索：为局部择优的优化版在搜索时，找到最佳节点后并不是舍弃其他节点在每一次评估中都把当前的节点和以前的节點的估价值进行比较得到一个最佳节点。

  • A算法： A ** 算法也属于一种最好优先算法但是为进行一些条件约束。因为在某些问题的求解时我們希望求解出状态空间搜索的最短路径，也就是用最快的方案求解问题 我们先对问题做一个定义，如果一个评估方法可以找出最短路径我们称之为可采纳性。A 算法是一个可采纳的最好优先算法

启发中的估价是用估价函数表示的：
?? ??????????f（n）=g（n）+h（n）

其中f（n）是节点n的估价函数，g（n）是在状态空间中从初始节点到n节点的实际代价h（n）是从n到目标节点最佳路径的估价代价。在这里主偠是h（n）体现了搜索的启发信息因为g（n）是已知的。g（n）就代表了搜索的广度优先趋势但是当h（n）>g（n）时，可以省略g（n）而提高效率。

我们想要进行对AI路径的控制首先我们就需要对地图进行像素化 何为像素化地图呢？ 就如unity的网格一样将一张地图按照一定的比例尺進行网格化划分就是像素化。其中的每一个网格单元我们称之为节点（不以方格来表示示因为这些网格单元不一样是矩形的也可以是六边形圆形等等。）节点就称为是寻路算法的单元。

• 使用了正方形作为了寻路算法单元

• 写了个拼图游戏探讨一下相关的AI算法。拼图游戏嘚复原问题也叫做N数码问题 拼图游戏 N数码问题 广度优先搜索 ...

• 如何看待团购?实际上，团购就是一种促销手段而促销是整个销售中的一个環节。同样做团购为何你却赚不到钱?商家团购怎...