先了解一下什么是A*算法。

A*搜寻算法，俗称A星算法。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。常用于游戏中的NPC（Non-Player-ControlledCharacter）的移动计算，或线上游戏的BOT（ROBOT）的移动计算上。该算法像Dijkstra算法一样，可以找到一条最短路径；也像BFS一样，进行启发式的搜索。
A*算法是一种启发式搜索算法，启发式搜索就是在状态空间中的搜索对每一个搜索的位置进行评估，得到最好的位置，再从这个位置进行搜索直到目标。这样可以省略大量无谓的搜索路径，提高了效率。

A星算法核心公式：

F = G + H

F - 方块的总移动代价
G - 开始点到当前方块的移动代价
H - 当前方块到结束点的预估移动代价

G值是怎么计算的？
假设现在我们在某一格子，邻近有8个格子可走，当我们往上、下、左、右这4个格子走时，移动代价为10；当往左上、左下、右上、右下这4个格子走时，移动代价为14；即走斜线的移动代价为走直线的1.4倍。
这就是G值最基本的计算方式，适用于大多数2.5Drpg页游。
根据游戏需要，G值的计算可以进行拓展。如加上地形因素对寻路的影响。格子地形不同，那么选择通过不同地形格子，移动代价肯定不同。同一段路，平地地形和丘陵地形，虽然都可以走，但平地地形显然更易走。
我们可以给不同地形赋予不同代价因子，来体现出G值的差异。如给平地地形设置代价因子为1，丘陵地形为2，在移动代价相同情况下，平地地形的G值更低，算法就会倾向选择G值更小的平地地形。

拓展公式：

G = 移动代价 * 代价因子

H值是如何预估出来的？
很显然，在只知道当前点，结束点，不知道这两者的路径情况下，我们无法精确地确定H值大小，所以只能进行预估。
有多种方式可以预估H值，如曼哈顿距离、欧式距离、对角线估价，最常用最简单的方法就是使用曼哈顿距离进行预估：
H = 当前方块到结束点的水平距离 + 当前方块到结束点的垂直距离
题外话：A星算法之所以被认为是具有启发策略的算法，在于其可通过预估H值，降低走弯路的可能性，更容易找到一条更短的路径。其他不具有启发策略的算法，没有做预估处理，只是穷举出所有可通行路径，然后从中挑选一条最短的路径。这也是A星算法效率更高的原因。

鉴于前人已经把原理讲的很清楚了，便不再废话，想要深入了解下的可以参考下面的两篇文章。

接下来上代码：

代码1

文件AStar.py

# coding=utf-8#描述AStar算法中的节点数据 
class Point:"""docstring for point"""def __init__(self, x = 0, y = 0):self.x = xself.y = yclass Node:     def __init__(self, point, g = 0, h = 0):  self.point = point        #自己的坐标 self.father = None        #父节点 self.g = g                #g值self.h = h                #h值 """估价公式：曼哈顿算法"""def manhattan(self, endNode):self.h = (abs(endNode.point.x - self.point.x) + abs(endNode.point.y - self.point.y))*10 def setG(self, g):self.g = gdef setFather(self, node):self.father = nodeclass AStar:"""A* 算法 python 2.7 """def __init__(self, map2d, startNode, endNode):""" map2d: 寻路数组 startNode: 寻路起点 endNode: 寻路终点 """  #开放列表self.openList = []#封闭列表 self.closeList = []#地图数据self.map2d = map2d#起点 self.startNode = startNode#终点self.endNode = endNode #当前处理的节点self.currentNode = startNode#最后生成的路径self.pathlist = [];return;def getMinFNode(self):""" 获得openlist中F值最小的节点 """  nodeTemp = self.openList[0]  for node in self.openList:  if node.g + node.h < nodeTemp.g + nodeTemp.h:  nodeTemp = node  return nodeTempdef nodeInOpenlist(self,node):for nodeTmp in self.openList:  if nodeTmp.point.x == node.point.x \and nodeTmp.point.y == node.point.y:  return True  return Falsedef nodeInCloselist(self,node):for nodeTmp in self.closeList:  if nodeTmp.point.x == node.point.x \and nodeTmp.point.y == node.point.y:  return True  return Falsedef endNodeInOpenList(self):  for nodeTmp in self.openList:  if nodeTmp.point.x == self.endNode.point.x \and nodeTmp.point.y == self.endNode.point.y:  return True  return Falsedef getNodeFromOpenList(self,node):  for nodeTmp in self.openList:  if nodeTmp.point.x == node.point.x \and nodeTmp.point.y == node.point.y:  return nodeTmp  return Nonedef searchOneNode(self,node):""" 搜索一个节点x为是行坐标y为是列坐标"""  #忽略障碍if self.map2d.isPass(node.point) != True:  return  #忽略封闭列表if self.nodeInCloselist(node):  return  #G值计算 if abs(node.point.x - self.currentNode.point.x) == 1 and abs(node.point.y - self.currentNode.point.y) == 1:  gTemp = 14  else:  gTemp = 10  #如果不再openList中，就加入openlist if self.nodeInOpenlist(node) == False:node.setG(gTemp)#H值计算 node.manhattan(self.endNode);self.openList.append(node)node.father = self.currentNode#如果在openList中，判断currentNode到当前点的G是否更小#如果更小，就重新计算g值，并且改变father else:nodeTmp = self.getNodeFromOpenList(node)if self.currentNode.g + gTemp < nodeTmp.g:nodeTmp.g = self.currentNode.g + gTemp  nodeTmp.father = self.currentNode  return;def searchNear(self):""" 搜索节点周围的点 按照八个方位搜索拐角处无法直接到达(x-1,y-1)(x-1,y)(x-1,y+1)(x ,y-1)(x ,y)(x ,y+1)(x+1,y-1)(x+1,y)(x+1,y+1)""" if self.map2d.isPass(Point(self.currentNode.point.x - 1, self.currentNode.point.y)) and \self.map2d.isPass(Point(self.currentNode.point.x, self.currentNode.point.y -1)):self.searchOneNode(Node(Point(self.currentNode.point.x - 1, self.currentNode.point.y - 1)))self.searchOneNode(Node(Point(self.currentNode.point.x - 1, self.currentNode.point.y)))if self.map2d.isPass(Point(self.currentNode.point.x - 1, self.currentNode.point.y)) and \self.map2d.isPass(Point(self.currentNode.point.x, self.currentNode.point.y + 1)):self.searchOneNode(Node(Point(self.currentNode.point.x - 1, self.currentNode.point.y + 1)))self.searchOneNode(Node(Point(self.currentNode.point.x, self.currentNode.point.y - 1)))self.searchOneNode(Node(Point(self.currentNode.point.x, self.currentNode.point.y + 1)))if self.map2d.isPass(Point(self.currentNode.point.x, self.currentNode.point.y - 1)) and \self.map2d.isPass(Point(self.currentNode.point.x + 1, self.currentNode.point.y)):self.searchOneNode(Node(Point(self.currentNode.point.x + 1, self.currentNode.point.y - 1)))self.searchOneNode(Node(Point(self.currentNode.point.x + 1, self.currentNode.point.y)))if self.map2d.isPass(Point(self.currentNode.point.x + 1, self.currentNode.point.y)) and \self.map2d.isPass(Point(self.currentNode.point.x, self.currentNode.point.y + 1)):self.searchOneNode(Node(Point(self.currentNode.point.x + 1, self.currentNode.point.y + 1)))return;def start(self):''''' 开始寻路 '''#将初始节点加入开放列表self.startNode.manhattan(self.endNode);self.startNode.setG(0);self.openList.append(self.startNode)while True:#获取当前开放列表里F值最小的节点#并把它添加到封闭列表，从开发列表删除它self.currentNode = self.getMinFNode()self.closeList.append(self.currentNode)self.openList.remove(self.currentNode)self.searchNear();#检验是否结束if self.endNodeInOpenList():nodeTmp = self.getNodeFromOpenList(self.endNode)while True:self.pathlist.append(nodeTmp);if nodeTmp.father != None:nodeTmp = nodeTmp.fatherelse:return True;elif len(self.openList) == 0:return False;return True;def setMap(self):for node in self.pathlist:self.map2d.setMap(node.point);return;

文件2

文件map2d.py

# coding=utf-8
from __future__ import print_functionclass map2d:""" 地图数据"""  def __init__(self):self.data = [list("####################"),list("#*****#************#"),list("#*****#*****#*####*#"),list("#*########*##******#"),list("#*****#*****######*#"),list("#*****#####*#******#"),list("####**#*****#*######"),list("#*****#**#**#**#***#"),list("#**#*****#**#****#*#"),list("####################")]self.w = 20self.h = 10self.passTag = '*'self.pathTag = 'o'def showMap(self):for x in xrange(0, self.h):for y in xrange(0, self.w):print(self.data[x][y], end='')print(" ")return;def setMap(self, point):self.data[point.x][point.y] = self.pathTagreturn;def isPass(self, point):if (point.x < 0 or point.x > self.h - 1) or (point.y < 0 or point.y > self.w - 1):return False;if self.data[point.x][point.y] == self.passTag:return True;

文件3

文件AStarTest.py

# coding=utf-8
import map2d
import AStarif __name__ == '__main__':##构建地图mapTest = map2d.map2d();mapTest.showMap();##构建A*aStar = AStar.AStar(mapTest, AStar.Node(AStar.Point(1,1)), AStar.Node(AStar.Point(8,18)))print "A* start:"##开始寻路if aStar.start():aStar.setMap();mapTest.showMap();else:print "no way"

在AStar.py中增加了对拐角的处理，设置拐角无法直达。

运行结果：

参考：

用简单直白的方式讲解A星寻路算法原理

A星算法详解(个人认为最详细,最通俗易懂的一个版本)