У меня есть пустая сетка из 100, 100 плиток. Начальная точка (0,0), цель (99,99). Плитки - это 4-сторонние соединения.
Мой алгоритм наводнения находит самый короткий путь в 30 мс, но моя реализация A * примерно в 10 раз медленнее.
Примечание. A * последовательно медленнее (3 - 10x), чем моя заливка, независимо от размера сетки или макета. Поскольку наводнение простое, я подозреваю, что в * отсутствует какая-то оптимизация.
Здесь функция. Я использую Python heapq для сохранения f-отсортированного списка. "Граф" содержит все узлы, цели, соседи и значения g/f.
import heapq
def solve_astar(graph):
open_q = []
heapq.heappush(open_q, (0, graph.start_point))
while open_q:
current = heapq.heappop(open_q)[1]
current.seen = True # Equivalent of being in a closed queue
for n in current.neighbours:
if n is graph.end_point:
n.parent = current
open_q = [] # Clearing the queue stops the process
# Ignore if previously seen (ie, in the closed queue)
if n.seen:
continue
# Ignore If n already has a parent and the parent is closer
if n.parent and n.parent.g <= current.g:
continue
# Set the parent, or switch parents if it already has one
if not n.parent:
n.parent = current
elif n.parent.g > current.g:
remove_from_heap(n, n.f, open_q)
n.parent = current
# Set the F score (simple, uses Manhattan)
set_f(n, n.parent, graph.end_point)
# Push it to queue, prioritised by F score
heapq.heappush(open_q, (n.f, n))
def set_f(point, parent, goal):
point.g += parent.g
h = get_manhattan(point, goal)
point.f = point.g + h