Astar

本文介绍 A* 搜索算法．

A* 搜索算法（A* search algorithm，A* 读作 A-star），简称 A* 算法，是一种在带权有向图上，找到给定起点与终点之间的最短路径的算法．它属于图遍历（graph traversal）和最佳优先搜索算法（best-first search），亦是 BFS 的改进．

过程

A* 算法的目标是找到有向图上从起点 $s$ 到终点 $t$ 的最短路径．设 $d(x,y)$ 为结点 $x$ 与 $y$ 之间的距离，也就是它们之间最短路径的长度．记 $g(x)=d(s,x)$ 为从起点 $s$ 到结点 $x$ 的距离函数，$h^(x)$ 为从结点 $x$ 到终点 $t$ 的距离函数，$h(x)$ 为 $h^(x)$ 的一个估计¹．最后，记从 $s$ 出发经由 $x$ 到达 $t$ 的最短路径长度的估计为

$$ f(x) = g(x) + h(x). $$

搜索时，A* 算法每次从优先队列中取出一个 $f$ 最小的结点．然后，将它的所有后继结点 $x$ 都推入优先队列中，并利用实际记录的 $g(x)$ 和估计的 $h(x)$ 更新 $f(x)$．

性质

由于 $h^(x)$ 的实际值在搜索的时候是未知的，所以，需要使用容易计算的 $h(x)$ 作为它的估计．A* 搜索的实际复杂度就取决于这一估计函数 $h(x)$ 的性质．容易想象，如果 $h\equiv h^$，也就是说，估计是精确的，那么，搜索过程就会严格按照最短路径前进．而如果 $h\equiv 0$，那么，A* 算法就退化为 Dijkstra 算法；当 $h\equiv 0$ 并且边权为 $1$ 时，这就是 BFS．

假设图没有负权边．如果估计 $h(x)$ 永远不超过实际距离 $h^(x)$，即 $0\le h\le h^$，那么，A* 算法就一定能够找到最优解．满足这一条件的估计函数 $h(x)$ 称为 可采纳的（admissible）．根据前文的讨论，$h$ 越接近 $h^*$，相应的 A* 算法效率就越高．一般来说，在最差情形中，算法会经过所有满足

$$ f(x) = g(x) + h(x) \le C^* $$

的结点，其中，$C^$ 是起点 $s$ 和终点 $t$ 之间的最短距离．直觉上，$h$ 越接近 $h^$，每次扩展时，能够满足该条件的后继结点就越少，因此，算法搜索到的分支就越少．所以，A* 算法可以看作是对搜索算法的一种「剪枝」优化．

如果 $h$ 不仅是可采纳的，还是 一致的（consistent），即

$$ h(x) \le h(y) + d(x, y), $$

那么，A* 算法不会将已经弹出队列的结点再次加入队列．一致性条件，可以理解为结点 $x,y,t$ 之间的三角形不等式．

例题

A* 算法的一个经典应用是解决 k 短路问题．关于该问题的描述、A* 做法，以及复杂度更优的可持久化可并堆做法，请移步 k 短路问题 页面．

本节介绍一个可以用 A* 算法解决的经典问题．

???+ example "八数码" 在 $3\times 3$ 的棋盘上，摆有八个棋子，每个棋子上标有 $1$ 至 $8$ 的某一数字．棋盘中留有一个空格，空格用 $0$ 来表示．空格周围的棋子可以移到空格中，这样原来的位置就会变成空格．给出一种初始布局和目标布局（为了使题目简单，设目标状态如下），找到一种从初始布局到目标布局最少步骤的移动方法．

$$
\begin{aligned}
123\\
804\\
765
\end{aligned}
$$

??? note "解题思路" $h$ 函数可以定义为，不在应该在的位置的棋子个数．容易发现，$h$ 既是可采纳的，也是一致的．此题可以使用 A* 算法求解．

??? note "参考代码" cpp --8<-- "docs/search/code/astar/astar_1.cpp"

参考资料与注释

• A* search algorithm - Wikipedia