题目:
在象棋中,马和象的移动规则分别是“马走日”和“象走田”。现给定骑士的起始坐标和目标坐标,要求根据骑士的移动规则,计算从起点到达目标点所需的最短步数。
骑士移动规则如图,红色是起始位置,黄色是骑士可以走的地方。

棋盘大小 1000 x 1000(棋盘的 x 和 y 坐标均在 [1, 1000] 区间内,包含边界)
输入描述
第一行包含一个整数 n,表示测试用例的数量。
接下来的 n 行,每行包含四个整数 a1, a2, b1, b2,分别表示骑士的起始位置 (a1, a2) 和目标位置 (b1, b2)。
输出描述
输出共 n 行,每行输出一个整数,表示骑士从起点到目标点的最短路径长度。
输入示例
6
5 2 5 4
1 1 2 2
1 1 8 8
1 1 8 7
2 1 3 3
4 6 4 6
输出示例
2
4
6
5
1
0
思路:
- 创建移动二维数组
- 设计小顶堆,并在优先队列中利用小顶堆将f值最小的节点排到堆顶
- 计算启发式函数h
- 代价函数f = 实际距离g + 启发距离h。每次从优先队列中选择f值最小的节点进行扩展。
- 遍历邻接节点并计算f值,将将邻接节点加入到优先队列中
代码:
#include<iostream>
#include<queue>
#include<string.h>
using namespace std;
int moves[1001][1001]; // 记录从起点到达目标点所需步数
int dirs[8][2] = {{-1, 2}, {1, 2}, {-2, 1}, {2, 1}, {-2, -1}, {-1, -2}, {1, -2}, {2, -1}}; // 马走日
int b1, b2;
class Point{
public:
int x, y;
int g, h, f;
};
// 小顶堆,将f值最小的元素排到堆顶
class MyComparison{
public:
bool operator()(const Point& a, const Point& b){
return a.f > b.f;
}
};
// 优先队列
priority_queue<Point, vector<Point>, MyComparison> que;
// 计算启发距离h
int distance(const Point& cur){
return (cur.x - b1) * (cur.x - b1) + (cur.y - b2) * (cur.y - b2);
}
// A*算法实现
void aStar(const Point& start){
Point curNode, nextNode;
que.push(start);
while(!que.empty()){
curNode = que.top(); que.pop();
if(curNode.x == b1 && curNode.y == b2) break; // 到达终点,返回
// 遍历临近节点
for(const auto& dir : dirs){
nextNode.x = curNode.x + dir[0];
nextNode.y = curNode.y + dir[1];
if(nextNode.x < 1 || nextNode.x > 1000 || nextNode.y < 1 || nextNode.y > 1000) continue;
if(!moves[nextNode.x][nextNode.y]){ // 如果没扩展过,moves为0,所以不用visited标记了
moves[nextNode.x][nextNode.y] = moves[curNode.x][curNode.y] + 1;
// 开始计算f
nextNode.g = curNode.g + 5; // 统一不开根号,马走日,1 * 1 + 2 * 2 = 5
nextNode.h = distance(nextNode);
nextNode.f = nextNode.g + nextNode.h;
que.push(nextNode);
}
}
}
}
int main(){
int n, a1, a2;
cin >> n;
while(n--){
cin >> a1 >> a2 >> b1 >> b2;
memset(moves, 0, sizeof(moves)); // 初始化为0
Point start;
start.x = a1;
start.y = a2;
start.g = 0;
start.h = distance(start);
start.f = start.g + start.h;
aStar(start);
while(!que.empty()) que.pop(); // 队列清空,防止影响下一组数据
cout << moves[b1][b2] << endl;
}
return 0;
}
总结:
A * 算法的时间复杂度 其实是不好去量化的,因为他取决于 启发式函数怎么写。
最坏情况下,A * 退化成广搜BFS,算法的时间复杂度 是 O(n^2),n 为节点数量。
最佳情况,是从起点直接到终点,时间复杂度为 O(dlogd),d 为起点到终点的深度。
因为在搜索的过程中也需要堆排序,所以是 O(dlogd)。
实际上 A * 的时间复杂度是介于 最优 和最坏 情况之间, 可以 非常粗略的认为 A * 算法的时间复杂度是 O(nlogn) ,n 为节点数量。
A * 算法的空间复杂度 O(b ^ d) ,d 为起点到终点的深度,b 是 图中节点间的连接数量,本题因为是无权网格图,所以 节点间连接数量为 4。
A * 算法并不能保证一定是最短路,因为在设计 启发式函数的时候,要考虑 时间效率与准确度之间的一个权衡。
A * 的缺点
大家看上述 A * 代码的时候,可以看到 我们想 队列里添加了很多节点,但真正从队列里取出来的 仅仅是 靠启发式函数判断 距离终点最近的节点。
相对了 普通BFS,A * 算法只从 队列里取出 距离终点最近的节点。
那么问题来了,A * 在一次路径搜索中,大量不需要访问的节点都在队列里,会造成空间的过度消耗。
IDA * 算法 对这一空间增长问题进行了优化,关于 IDA * 算法,感兴趣的可以自行找资料学习。
另外还有一种场景 是 A * 解决不了的。
如果题目中,给出 多个可能的目标,然后在这多个目标中 选择最近的目标,这种 A * 就不擅长了, A * 只擅长给出明确的目标 然后找到最短路径。
如果是多个目标找最近目标(特别是潜在目标数量很多的时候),可以考虑 Dijkstra ,BFS 或者 Floyd。
2万+

被折叠的 条评论
为什么被折叠?



