比如像这样子：
第一步：把起点放入OpenList
第二步：找出OpenList中F值最小的方格，即唯一的方格Node(1,2)作为当前方格，并把当前格移出OpenList，放入CloseList。代表这个格子已到达并检查过了。
第三步：找出当前格上下左右所有可到达的格子，看它们是否在OpenList当中。如果不在，加入OpenList，计算出相应的G、H、F值，并把当前格子作为它们的“父亲节点”。
图中，每个格子的左下方数字是G，右下方是H，左上方是F。
Round2 ~ 第一步：找出OpenList中F值最小的方格，即方格Node(2,2)作为当前方格，并把当前格移出OpenList，放入CloseList。代表这个格子已到达并检查过了。
Round2 ~ 第二步：找出当前格上下左右所有可到达的格子，看它们是否在OpenList当中。如果不在，加入OpenList，计算出相应的G、H、F值，并把当前格子作为它们的“父亲节点”。
为什么这一次OpenList只增加了两个新格子呢？因为Node(3,2)是墙壁，自然不用考虑，而Node(1,2)在CloseList当中，说明已经检查过了，也不用考虑。
Round3 ~ 第一步：找出OpenList中F值最小的方格。由于这时候多个方格的F值相等，任意选择一个即可，比如Node(2,3)作为当前方格，并把当前格移出OpenList，放入CloseList。代表这个格子已到达并检查过了。
Round3 ~ 第二步：找出当前格上下左右所有可到达的格子，看它们是否在OpenList当中。如果不在，加入OpenList，计算出相应的G、H、F值，并把当前格子作为它们的“父亲节点”。
剩下的就是以前面的方式继续迭代，直到OpenList中出现终点方格为止。这里就仅用图片简单描述了，方格中数字表示F值：
public Node aStarSearch(Node start, Node end) {
// 把起点加入 open list
openList.add(start);
//主循环，每一轮检查一个当前方格节点
while (openList.size() > 0) {
// 在OpenList中查找 F值最小的节点作为当前方格节点
Node current = findMinNode();
// 当前方格节点从open list中移除
openList.remove(current);
// 当前方格节点进入 close list
closeList.add(current);
// 找到所有邻近节点
List<Node> neighbors = findNeighbors(current);
for (Node node : neighbors) {
if (!openList.contains(node)) {
//邻近节点不在OpenList中，标记父亲、G、H、F，并放入OpenList
markAndInvolve(current, end, node);
}
}
//如果终点在OpenList中，直接返回终点格子
if (find(openList, end) != null) {
return find(openList, end);
}
}
//OpenList用尽，仍然找不到终点，说明终点不可到达，返回空
return null;
}
几点说明：
1.这里对于A*寻路的描述做了很大的简化。实际场景中可能会遇到斜向移动、特殊地形等等因素，有些时候需要对OpenList中的方格进行重新标记。
2.截图中的小游戏可不是小灰开发的，而是一款经典的老游戏，有哪位小伙伴玩过吗？
—————END—————
喜欢本文的朋友们，欢迎长按下图关注订阅号梦见，收看更多精彩内容
原文始发于微信公众号（程序员小灰）：什么是A*寻路算法？
