跳转点寻路介绍
有均衡代价的2D网格上寻找最短路径有几种算法。A*算法是一种对宽度优先和深度优先搜索的常见并且简单的优化。对于这样的算法有很多扩展，包括D*、HPA*和Rectangular Symmetry Reduction，每一种都试图减少最优路径节点数量。
跳转点（Jump Point Search ）寻路逻辑是由Daniel Harabor和Alban Grastien提出的，是一种使在矩形网格上寻路更加有效地方法。在这篇文章中，我将不遗余力的介绍它，但是不是研究论文中的底层数学公式。而是尝试通过图表引起你的兴趣。
我假设你已经很熟悉A*算法，甚至Dijkstra寻路。如果想要了解背景信息和更好地介绍，请查看Amit’s introduction to A*。
对于下面的例子，我假设寻路是在一个常用的方格上，水平和垂直方向的移动代价为1，对角线的移动代价为√2̅。
尝试一下
你可以演示A*和JPS。通过点击和拖拽任何地方以增加障碍，拖拽绿色（开始）和红色（目标）节点来移动它们，并且点击“Find Path"按钮来寻找最优路径。译者注：由于原文是一个网页演示，所以转载不过来，请直接去原文演示。
减少路径扩展和对称
在A*每一次迭代期间，我们在已知最好的方向上扩大搜索范围。然而，有一些情况可能会导致低效的情况出现。在大的开放的空间中会出现一种低效的情况。为了展示示例，让我们来看一个矩形网格。
在一个开放的网格上，有一条从绿点到红点的路径。
有许多种等效的路径穿越这个矩形区域。Dijkstra's，做一个广度搜索，是一个不错的例证。你会发现，每一条路的代价是相同的。唯一的不同是我们选择对角还是水平行走。
在这片研究文章中，Harabor和Grastien把这称作“对称路径”，因为他们是完全相同的效果。理想情况下，我们应该识别这种情况，并忽略其它而保留一种情况。
更智能
展望水平和垂直方向
展望对角
一起试一下
在这个特别的方向行走的时候，我们已经为了一个节点跳过了大部分邻居节点，并且已经制定了一些规则跳往下一格节点。
把这个恢复到A*逻辑，我们将应用这些“jumping ahead”在open容器里的节点。我们将用它的父对象决定移动方向和向前跳到我们能到达的地方。如果我们找到一个感兴趣的节点，我们将忽略所有中间的节点（因为我们已经用我们简单的规则跳过了他们）并且把它们加到open容器里。
在open容器里的每一个节点都是根据父对象的方向扩展的，并随着前面同样地跳点：先向水平和垂直，然后对角移动。
这里是一个扩展序列的例子，在最后标记最终路径。
首先，确定一个目标。
从预先设定的节点开始（open容器里的唯一一个），我们水平和垂直方向扩展寻找。
水平跳的时候找到一个强制邻居（紫色高亮的节点）。我们把它加入到open容器中。
最后，我们沿对角线扩展，除了碰到边缘，并没有找到任何东西。
接着，我们检测下一个最优（或者仅仅是这种情况的）的open节点。因为当我们到达这个节点的时候我们正在水平移动，所以我们继续水平移动。
因为我们也遇到一个强制邻居，我们也在那个方向扩展。跟着对角线规则，我们也对角线移动，然后水平、垂直方向寻找。
没有找到任何东西，继续对角线移动。
这一次，当我们水平移动（哪都去不了）和垂直移动时，我们找到了目标节点。用强制邻居找一个节点真是非常有趣，所以我们把这个节点加入到open容器里。
最后，我们扩展最后一个open节点，找到目标。跳过算法的最后一次迭代，把目标节点加入到open容器里，我们找到了最有路径。
备注
1.代码是用于创建这些图表，并且交互式的路径寻找可以在GitHub上的jps-explained project下找到。
2.The original research paper by Daniel Harabor and Alban Grastien 正式介绍了JPS算法，并且可以作为一个优秀的参考去实现自己的算法。几篇其他相关的论文在哥哥
Mr. Harabor’s website.
3.Mr.Harabor's原创博客公布了一系列的Rectangular Symmetry Reduction和Jump Point Search，在这里
4.Amit’s A* Pages是一个优秀的介绍A*和寻路算法的博客。
5.Xueqiao Xu已经创建了一个JavaScript的寻路库，叫做PathFinding.js，其中包含了JPS，并且有一个demo，你可以直接在这里产生可视的图表。
6.我在这 project experimenting with pathfinding and visualization里应用了JPS。