BFS寻路算法的实现

关于BFS的相关知识由于水平有限就不多说了，感兴趣的可以自己去wiki或者其他地方查阅资料。

这里大概说一下BFS寻路的思路，或者个人对BFS的理解：

大家知道Astar的一个显著特点是带有启发函数，换句话说，Astar尝试以人的思维来去寻找一段路径。而BFS则没有这种聪明劲，他看起来更中规中矩，老实巴交，更像是机器人的风格。

简单的说，BFS为了找到一条路径，他从起点开始，然后是身边的邻居，然后是邻居的邻居，一个一个的搜查，直到搜到终点（寻路成功），或者把整个地图搜索完（除非最后一个点就是终点，否则寻路失败）。

可能乍看上去BFS真的比较笨，但是他也并没有笨的不着边际，因为他最多把整个地图都搜一遍，这样，对于一张有限的地图，他寻找一段路径所花的时间也是相对的有一个上限。

但Astar则不同，Astar虽然看起来带有聪明劲，但是这种聪明只是一种自作聪明，有时候，对于一些设计特殊的地图，Astar要为自己的聪明付出很大的代价。比如带有半岛的地图。

总体上看，Astar在障碍越少的情况下寻路越快，而BFS则比较平缓，不管障碍多少，他快慢幅度并不大。

废话不多说，下面用代码来说明BFS的思路：

01.public function tryFindPath(sx:int, sy:int, ex:int, ey:int):Boolean  

02.{  

03.    var start:uint = getTimer();  

04.      

05.    _startNode = _mapData.setStartNode(sx,sy);  

06.    _endNode = _mapData.setEndNode(ex,ey);  

07.      

08.    if(_startNode == _endNode) return false;  

09.    if(!_endNode.walkable) return false;  

10.      

11.    var i:uint=0;  

12.    _startNode.f = i;  

13.    var queue:MinHeap = new MinHeap(100);  

14.    queue.Enqueue(_startNode);  

15.    var neighbor:Node;  

16.    var testedNodes:Dictionary = new Dictionary();  

17.      

18.    while(queue.size>0)  

19.    {  

20.        var testNode:Node = queue.Dequeue() as Node;  

21.        i++;  

22.        var x:int,y:int;  

23.        for(var dx:int=-1;dx<=1;++dx)  

24.        {  

25.            x = testNode.x + dx;  

26.            for(var dy:int=-1;dy<=1;++dy)  

27.            {  

28.                y = testNode.y+dy;  

29.                neighbor = _mapData.getNode(x,y);  

30.                if(!neighbor) continue;  

31.                if(!neighbor.walkable) continue;  

32.                if(testedNodes[neighbor]) continue;  

33.                testedNodes[neighbor] = true;  

34.                neighbor.parent = testNode;  

35.                neighbor.f = i;  

36.                if(neighbor == _endNode)  

37.                {  

38.                    return true;  

39.                }  

40.                  

41.                queue.Enqueue(neighbor);  

42.            }  

43.        }  

44.    }  

45.    return false;  

46.}

这里并没有给出全部相关的源码，该方法只展示一个思路：

 

_mapData是对一个二维网格地图数据做了一个封装，包括设置起始点，终点，根据索引获取节点等。

Node是一个节点对象，他有xy的属性和一个f属性，跟Astar的代价属性类似。

queue是一个最小堆，他保证f值越小的Node对象越靠近队列的顶部。

testedNodes用来记录节点是否被搜寻过。

其寻路过程为：

1，将起点放入队列；

2，弹出队列中的最小代价的节点，搜寻他周围的有效节点（即存在，可走，而且没有被检查过），设置代价值，和父节点，如果这个节点就是终点，那么寻路成功，否则将此节点放入队列，在检查下一个邻居节点，如果所有的邻居节点都不是终点则进入3；

3，如果队列空了，那么说明所有的节点都检查过了，没有找到终点，否则继续2。

 

BFS的这种平缓特性在有些时候看起来似乎可以弥补Astar的缺陷，比如我们想在长程情况下采用BFS而短程的时候用Astar，但是这并不总是合适的，因为Astar并不是因为路程长才耗时，而是因为地形复杂，而地形复杂又没有一个可以衡量的指标，只能人为的去判断，所以最多我们通过人为的配置来选择寻路的方式。