我正在尝试解决以下问题： 我有一个2D平铺游戏，其中包括在空域飞行的飞机，试图降落在最近的机场（可能有'n'目标）。这个想法是让飞机自己寻找最佳路径，避免碰撞。
所以我打算尝试A *算法，但后来我发现了另外一个限制：如果需要，飞机可以改变它们的高度。所以我有想法实现相同的A *哲学，但是在3D中（将节点扩展到可能的移动，让平面也向上，向下，向北，向上等移动，制作抽象的3D处理相对高度，从而让算法找到3D移动的最佳路径。
关于启发式方法，我放弃了曼哈顿的实例，因为我希望算法更有效率（因为你知道一个好的启发式算法可以提高搜索效率，曼哈顿估算成本，我使用对角线移动），所以我决定实现对角线距离（它结合了曼哈顿和欧几里德的各个方面），建议使用8个邻接（在对角线移动中扩展节点）。但我有更多的邻接关系，所以我试图将对角线距离公式调整为16个邻接关系（不包括向上和向下的对角线，如东北向上，向下向西，等等），所以曼哈顿估计每个'对角线移动'（除了我提到的那些）具有相同的成本值（1个对角线移动= 2个正交移动，而不是3个，因为它在“我已经排除的”上下对角线），并且具有此公式启发式被概括为：
让节点A为起点，B为目标，其各自的位置为（xa，ya，za）和（xb，yb，zb）
numberOfDiagonalSteps = min {| xa-xb |，| ya-yb |，| za-zb |}
manhattanDistance = | xa-xb | + | ya-yb | + | za-zb |
numberOfStraightSteps = manhattanDistance - 2 * numberOfDiagonalSteps
假设对角线步骤成本为sqrt（3）（你知道，毕达哥拉斯，正交成本为1）：
启发式是：h（n）= numberOfStraightSteps + sqrt（3）* numberOfDiagonalSteps
嗯......我的一个问题是，随着飞机的移动（“障碍节点”），算法必须刷新，重新执行，所以，你建议我做什么最好？ 我的意思是......最好这样尝试，或者更好地尝试实现D * -Lite？
我的另一个问题是关于时间的复杂性。很明显，这些算法的最坏情况是指数级的，但它可以通过良好的启发式方法得到真正的改进。但我没有找到如何精确分析我的问题中的算法。我可以给这个算法多大的时间复杂度，或者你建议我在我的情况下做什么？
感谢您的关注。
答案 0 :(得分：0)
我会使用简单的地图填充见：
但地图将有更多图层（飞行高度）。可能只有少数（限制时间/内存浪费），例如8层应足以容纳128架飞机。
当然，它取决于 2D 地图区域大小，并且在填充地图后，只需从中获取最短路径。在填充地图时，将任何平面视为障碍物（为了安全起见，周围有一些边界）。在此算法中，您可以非常简单地添加燃料消耗标准或任何其他标准。
此外，机场选择也可以非常简单（首先要先获得最接近的机场）。您必须在决定时为每架飞机制作地图（或分别为每架飞机重新制作相同的地图）。不需要是整个地图......只是目的地和飞机之间的区域
如果您必须遵守空中交通规则，那么您需要应用飞行计划+临时安排。这不是一项容易的任务（花了差不多半年的时间来编写代码），而且空中交通管制也有点复杂，特别是空中和现场分享的等待问题。所有这一切都必须通过动态变化（天气，等待，技术/政治或安全问题，......）但我强烈怀疑这是如此简单的地图填写应该做的事情:)）