都2025年了，还有面试问A*寻路的？？？点击上方亿元程序员+关注和★星标引言哈喽大家好，恢复更新之后，有一位读者跟

点击上方亿元程序员+关注和★星标

引言

哈喽大家好，恢复更新之后，有一位读者跟我吐槽，面试某大厂游戏开发岗位，竟然被问到了A*寻路算法。

他哭笑不得：“都2025年了，引擎商店里什么寻路方案没有，还问这种‘古董级’算法？”

我听了也哭笑不得，却又忍不住想：正因为是2025年，面试官还问A*，才恰恰说明这个问题的价值所在。

为什么?

基础不牢，地动山摇

现在的游戏引擎确实强大，点点鼠标就能实现复杂的寻路功能。

但当你遇到NPC卡在角落、群组移动不自然、动态障碍物避让失效时，不了解底层原理，连调试都无从下手。

A*算法作为寻路领域的经典，其核心思想至今未过时。

A*的精髓何在？

想象一下你在一个大型商场找餐厅：

盲目搜索：每个店铺都进去看一眼（类似Dijkstra）
贪心搜索：只朝着餐厅方向走，可能被栏杆挡住（类似最佳优先搜索）
A*搜索：既考虑餐厅方向，又计算已走距离，找到最佳平衡

A*的聪明在于那个简单的评估函数：f(n) = g(n) + h(n) 当前代价+未来预估

(至于上面的，大家想象一下就行，谁饿肚子的时候会想怎么A*寻路？)

那么如何在游戏开发中运用和理解呢？

先来看个例子

不重复造轮，我们通过上一期文章的工程，讲一下如何在游戏开发中运用A*寻路。

1.打开工程

首先打开我们上一期文章的示例工程。

上一期我们讲到如何根据地图数据生成六边形网格地图，我们先给每个格子添加点击事件，方便演示寻路。

2.完善一下代码

定义存储格子节点的二维数组

在生成地图过程中，记录每个格子，并且监听点击事件，通过主角位置变化测试代码是否准确。

效果如下：

3.寻路核心

无论是在面试，还是在实际运用中，我们必须清晰地知道和说出A*寻路的几个核心含义：

G值：g(n)表示从初始节点到任意节点n的代价。当前节点的G值等于移动前节点的G值加上移动到当前节点的距离。如果新路径到相邻点的距离更短，G值更小，更新相邻节点的G值。
H值：h(n)表示从节点n到目标点的启发式评估代价。当前节点到终点的距离。固定不变的值。计算H值，忽略障碍（可以认为没有障碍），只计算最近的距离。
F值：F值为G值和H值之和。
OpenList: 存放着所有的待检测的节点（坐标），每次都会从其中寻找出符合某个条件的节点。
ClosedList: 存放着所有不会被检测的节点（坐标），每次检测都会忽略它们。

4.寻路过程：

这是通用的A*寻路过程，大家根据步骤替换成自己项目的代码即可。

1.创建一个开放列表和一个关闭列表，用于存储待探索和已探索的节点。

2.将起点添加到开放列表。

3.重复以下步骤直到找到目标节点或开放列表为空：

a. 从开放列表中选择F值最小的节点（通常是H值+G值最小的节点）。

b. 将该节点从开放列表移至关闭列表。

c. 对该节点的邻居节点进行遍历，计算它们的G值和H值。

d. 如果邻居节点不在开放列表中，将其添加到开放列表，并更新其G值和父节点。

e. 如果邻居节点已在开放列表中，检查当前路径是否更短，如果更短则更新G值和父节点。