上一篇文章主要完成了游戏地图的创建,其中简单为游戏寻路做了一点准备,就是格栅背景地图。游戏场景中的各种山川、河流、楼阁等都都可以视为为某种运动精灵的障碍物,那么精灵如何绕过障碍物运动都自己的目的地呢?目前关于寻路的算法有很多,最常见的就是A-Star算法,也叫A星算法。 典型的A-star算法处理的是运动物体和格栅大小一致,如果运动物体比格栅小,自然没有任何问题。如果运动物体比格栅大,典型的A-star算法就不能处理了。那么是不是A-star方法就不能处理了呢?不是,针对这个问题,国外有人提出了叫做 Brushfire的算法。据说得google才能找到。我简单看了一下,应该也是可以实现的。有兴趣的朋友可以自行探索。 典型的Astar算法网上有很多详细的讲解,有一位大拿的文章请参考,还有一些前人给出了C/C++/JAVA/JSP等各种语言的实现。这里就不再重复了。 本文解决的问题是大于格栅大小的物体的寻路问题,并尽可能实现任何大小的物体寻路。下面有几个示意图可以先看一下。 为了方便理解,这里用虚线展示精灵的运动路径,实际上是精灵的左上角运动轨迹。有些Astar算法只允许精灵在水平和垂直方向运动,有些可以8个方向(45度角)。这其实没有本质的区别,只是在寻路过程中对合格邻接点的筛选策略不同而已。完全可以根据自己的需要来处理。 好了,现在开始展示A-star算法。 既然涉及到格栅,那么格栅怎么描述呢?就是点的集合。先描述点:
class Node:
def __init__(self, point, target, father=None):
self.point = point
self.father = father
if father is not None:
self.gCost = father.gCost + self.get_gCost(father.point)
self.hCost = self.get_hCost(target)
self.fCost = self.gCost + self.hCost
else:
self.gCost = 0
self.hCost = 0
self.fCost = 0
# 计算自己到父节点的gCost。如果到父节点为 45 度方向,设置 gCost 为 14,否则设为 10
def get_gCost(self, father):
if abs(self.point[0] - father[0]) + abs(self.point[1] - father[1]) == 2:
return 14
return 10
def get_hCost(self, target):
return (abs(target[0] - self.point[0]) + abs(target[1] - self.point[1])) * 10
def reset_father(self, father, newgCost):
if father is not None:
self.gCost = newgCost
self.fCost = self.gCost + self.hCost
self.father = father
关于cost的设置方法,有很多策略,有兴趣的可以进一步研究。这里使用最简单的实现,便于理解。 point是什么呢?就是格栅点的(X轴索引,Y轴索引),一个Tuple。 有了Node,下面就是A-Star了。 类属性定义:
class AStar:
# stat and target 是Tuple (x, y), 是格栅的索引点,不是像素坐标。
# size 为寻径主体的大小,表示边长为格栅尺寸的倍数
# 对于非正方形主体,将其边长大的边计算size就可以
def __init__(self, grids, start, target, size):
self.grids = grids
self.size = size
self.start = self.adjust_position(start)
self.target = self.adjust_position(target)
self.startNode = Node(self.start, self
|