当你使用 A* 时，它会选择最接近目标的最佳节点，对吧？ （使用 f(n) = g(n) + h(n)） （使用 h(n) 的曼哈顿距离）
但是，如果起点和终点之间有墙怎么办。我无法用语言解释，但我会展示一张图片。
如果A*选择离目标最近的节点，为什么路径不是红圈的那条？但是那个被绿色包围了。我真的不明白 A* 尤其是当有无法通过的单元格/瓦片/节点/等时。 （墙壁）。另外，您可以在 1:20
看到我在视频 http://www.youtube.com/watch?v=DINCL5cd_w0（路径查找算法（A*、Dijkstra、双向 BFS））中制作的这张图片【问题讨论】：
标签： algorithm distance path-finding shortest-path a-star
A* 还考虑当前路径的长度以及到目标的距离。所有可能的路径都被扩展，但优先考虑的是：
路径成本 f(n) 等于上一步的成本 g(n) 加上一个基于到目标距离的因子 h(n)。因此，对于路径通过的每一个额外的网格空间，路径的成本都会增加。这将有效地在短路径和直接到达目标的路径之间建立平衡。
所以当你的示例路径再次连接时，紫色路径最短，所以这将是最先扩展的路径，最终将首先到达目标。
有一个 Udacity 课程：Programming a Robotic Car，其中有一个关于 A*（和类似）算法的好部分。
【讨论】：
正如您所说，A* 根据 f(n)=g(n)+h(n) 选择当前最佳路径，其中 g(n) 是当前计算的成本，h(n) 是对剩余成本。只有目前最有希望的节点（具有最小 f(n) 的节点）才会被扩展。因此，当蓝色和紫色的路径发散时（我们称其为 A 点），它会直奔墙壁，因为那里的 h(n) 更小，整个 f(n) 变得更小。
请记住，h 函数通常是问题的松弛 - 在您的情况下，它可能是到目标的直线距离。因此，整个 f 变得更小。如果当前 f 变得大于对未追踪路径的估计，则将考虑另一条路径。
因此，它没有通过紫色路径的可能原因是蓝色路径中每个点的 f 的当前值总是小于紫色路径中的值。
这对我来说很奇怪，因为你的 g 一直在增加，并且蓝色路径中有很多点比 A 点更远离目标。不过，如果你想确定，你应该做一些调试和验证每个未追踪点的 f、g 和 h 的每个值与当前已追踪路径的值。
【讨论】：