本文深入探讨a*寻路算法中open列表和closed列表的作用及其实现机制。通过对比一个简洁的python实现与传统伪代码，我们将分析python代码如何巧妙地通过初始化分数和更新逻辑，在不显式使用closed列表的情况下，达到与传统双列表方法相同的效果，确保算法的正确性和效率。
A*算法核心原理概述
A算法是一种广泛应用于路径搜索和图遍历的启发式搜索算法。它通过结合实际代价（g_score，从起点到当前节点的代价）和启发式估计代价（h_score，从当前节点到目标节点的估计代价），来计算每个节点的总估计代价（f_score = g_score + h_score）。A算法的目标是找到从起点到目标点的最短路径。
为了有效地进行搜索，A*算法通常维护两个关键的数据结构：
OPEN列表（或开放列表）：一个优先队列，存储所有已发现但尚未完全评估的节点。节点按其f_score值进行排序，f_score最低的节点具有最高优先级，优先被取出进行扩展。CLOSED列表（或关闭列表）：一个集合，存储所有已经完全评估过的节点。一旦一个节点从OPEN列表中取出并进行扩展，它就会被添加到CLOSED列表中，以避免重复处理。
传统A*算法伪代码分析
许多A*算法的伪代码实现会明确地使用OPEN列表（优先队列）和CLOSED列表（集合），如下所示：
OPEN = 包含起点的优先队列CLOSED = 空集当 OPEN 中最低排名（f_score）的节点不是目标节点时： current = 从 OPEN 中移除最低排名项 将 current 添加到 CLOSED 对于 current 的每个邻居节点： cost = g(current) + movementcost(current, neighbor) 如果 neighbor 在 OPEN 中 且 cost 小于 g(neighbor)： 从 OPEN 中移除 neighbor，因为找到了更好的路径 如果 neighbor 在 CLOSED 中 且 cost 小于 g(neighbor)： 从 CLOSED 中移除 neighbor 如果 neighbor 不在 OPEN 也不在 CLOSED 中： 设置 g(neighbor) 为 cost 将 neighbor 添加到 OPEN 设置优先队列排名为 g(neighbor) + h(neighbor) 设置 neighbor 的父节点为 current
在这个伪代码中，CLOSED列表的作用是防止算法重新处理已经评估过的节点。如果发现到达一个已在CLOSED列表中的节点有更优的路径，则需要将其从CLOSED中移除，并重新添加到OPEN中进行评估。这确保了即使某个节点曾被以次优路径访问过，如果后续发现了更优路径，也能得到更新。
立即学习“Python免费学习笔记（深入）”；
Python A*算法实现解析
现在，我们来看一个实际的Python A算法实现，它在功能上实现了A算法，但并没有显式地使用CLOSED列表：
from pyamaze import maze,agent,textLabelfrom queue import PriorityQueuedef h(cell1,cell2): x1,y1=cell1 x2,y2=cell2 return abs(x1-x2) + abs(y1-y2)def aStar(m): start=(m.rows,m.cols) g_score={cell:float('inf') for cell in m.grid} g_score[start]=0 f_score={cell:float('inf') for cell in m.grid} f_score[start]=h(start,(1,1)) open=PriorityQueue() open.put((h(start,(1,1)),h(start,(1,1)),start)) # (f_score, h_score, cell) aPath={} while not open.empty(): currCell=open.get()[2] # 获取f_score最低的节点 if currCell==(1,1): # 目标节点 break for d in 'ESNW': # 遍历邻居 if m.maze_map[currCell][d]==True: # 如果路径可达 # 计算邻居节点坐标 if d=='E': childCell=(currCell[0],currCell[1]+1) if d=='W': childCell=(currCell[0],currCell[1]-1) if d=='N': childCell=(currCell[0]-1,currCell[1]) if d=='S': childCell=(currCell[0]+1,currCell[1]) temp_g_score=g_score[currCell]+1 # 假设移动代价为1 temp_f_score=temp_g_score+h(childCell,(1,1)) # 核心逻辑：检查是否找到更优路径 if temp_f_score < f_score[childCell]: g_score[childCell]= temp_g_score f_score[childCell]= temp_f_score open.put((temp_f_score,h(childCell,(1,1)),childCell)) # 将更新后的节点重新加入OPEN aPath[childCell]=currCell # 路径回溯 fwdPath={} cell=(1,1) while cell!=start: fwdPath[aPath[cell]]=cell cell=aPath[cell] return fwdPathif __name__=='__main__': m=maze(5,5) m.CreateMaze() path=aStar(m) a=agent(m,footprints=True) m.tracePath({a:path}) l=textLabel(m,'A Star Path Length',len(path)+1) m.run()
此Python实现的关键在于它如何通过g_score和f_score字典来隐式管理节点状态，从而避免了显式的CLOSED列表。
初始化为无穷大：g_score和f_score字典中的所有节点最初都被初始化为float(‘inf’)。这有效地将所有节点标记为“未访问”或“尚未找到有效路径”。
if temp_f_score ：这是核心所在。当算法探索一个childCell时，它会计算一条新的到达该节点的路径代价temp_f_score。
如果childCell从未被访问过：f_score[childCell]仍为inf，条件temp_f_score 如果childCell已经被访问过（可能已从open中取出并处理，或仍在open中等待处理）：f_score[childCell]将是一个有限值。如果新的路径代价temp_f_score小于当前已知的f_score[childCell]，这意味着找到了一条到达childCell的更优路径。在这种情况下，算法会更新g_score[childCell]和f_score[childCell]，并将childCell重新（或再次）添加到open优先队列中。
为什么不需要显式的CLOSED列表？
该Python实现之所以能够省略显式的CLOSED列表，原因在于以下几点：
f_score作为最佳路径记录：f_score[cell]始终存储着从起点到cell的已知最佳路径的f_score。当一个节点从open队列中取出时，它保证是当前所有待评估节点中f_score最低的。如果后续又通过其他路径发现了到达同一节点的更优路径（即temp_f_score
优先队列的特性：PriorityQueue会自动按照优先级（即f_score）排序。如果同一个节点因为不同的路径被多次放入open队列，只有具有最低f_score的那个实例会被首先取出处理。当后续取出具有较高f_score的同一节点实例时，由于f_score[childCell]已经被更新为更低的值，条件temp_f_score
避免重复处理的机制：虽然没有显式的CLOSED列表来防止节点被重复“扩展”，但if temp_f_score 更优路径时，才更新节点信息并将其重新放入OPEN队列。对于已经以最优路径处理过的节点，任何后续发现的等效或更差的路径都不会导致其状态被更新，从而避免了不必要的重复计算。
总结与注意事项
等效性：尽管表面上有所不同，但上述Python实现与使用显式OPEN和CLOSED列表的传统A算法在功能上是等效的。它们都确保了A算法能够找到最短路径。空间效率：在某些情况下，不使用显式的CLOSED列表可能会导致open队列中存在同一个节点的多个实例（如果它被多次发现更优路径）。然而，由于只有最优路径会被实际处理并更新f_score，这种额外的空间开销通常是可接受的，并且在许多实际场景中简化了代码逻辑。代码清晰度：对于初学者，显式使用CLOSED列表可能更容易理解A*算法的状态管理。而当对算法原理有深入理解后，这种省略CLOSED列表的实现方式可以更简洁高效。应用场景：这种隐式处理方式在网格图等简单场景中非常有效。在更复杂的图结构或需要更严格控制节点访问状态的场景下，显式CLOSED列表可能提供更好的控制和调试便利性。
理解这两种实现方式，有助于开发者在不同场景下选择最适合的A算法实现策略。核心在于理解A算法如何通过f_score来指导搜索，并有效地管理已访问节点的最佳路径信息。
以上就是A算法中的OPEN与CLOSED列表：Python实现与原理分析的详细内容，更多请关注创想鸟其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 chuangxiangniao@163.com 举报，一经查实，本站将立刻删除。
发布者：程序猿，转转请注明出处：https://www.chuangxiangniao.com/p/1382034.html
微信扫一扫 
支付宝扫一扫 
