JPS/JPS+ 尋路演算法

KillerAery發表於2020-06-17

演算法

概念

JPS（jump point search）演算法實際上是對A* 尋路演算法的一個改進，因此在閱讀本文之前需要先了解A*演算法。A* 演算法在擴充套件節點時會把節點所有鄰居都考慮進去，這樣openlist中點的數量會很多，搜尋效率較慢。

若不瞭解A*演算法，可以參考博主以前寫的一篇文章 A* 尋路演算法 - KillerAery - 部落格園

例如在無遮擋情況下（往往會有多條等價路徑），而我們希望起點到終點實際只取其中一條路徑，而該路徑外其它節點可以沒必要放入openlist（不希望加入沒必要的鄰居）。

其次我們還希望直線方向上中途的點不用放入openlist，如果只放入每段直線子路徑的起點和終點，那openlist又可以少放很多沒必要的節點：

可以看到 JPS 演算法搜到的節點總是“跳躍性”的，這是因為這些關鍵性的節點都是需要改變行走方向的拐點，因此這也是 Jump Point 命名的來歷。

在介紹JPS等演算法具體實現前，我們必須先掌握下面的概念。

強迫鄰居（Forced Neighbour）

強迫鄰居：節點 x 的8個鄰居中有障礙，且 x 的父節點 p 經過x 到達 n 的距離代價比不經過 x 到達的 n 的任意路徑的距離代價小，則稱 n 是 x 的強迫鄰居。

看定義也許十分晦澀難懂。直觀來說，實際就是因為前進方向（父節點到 x 節點的方向為前進方向）的某一邊的靠後位置有障礙物，因此想要到該邊靠前的空位有最短的路徑，就必須得經過過 x 節點。

可能的情況見圖示，黑色為障礙，紅圈即為強迫鄰居：

（左圖為直線方向情況下的強迫鄰居，右圖為斜方向情況下的強迫鄰居）

跳點（Jump Point）

跳點：當前點 x 滿足以下三個條件之一：

節點 x 是起點/終點。
節點 x 至少有一個強迫鄰居。
如果父節點在斜方向（意味著這是斜向搜尋），節點x的水平或垂直方向上有滿足條件a，b的點。

節點y的水平或垂直方向是斜向向量的拆解，比如向量d=(1,1)，那麼水平方向則是(1,0)，並不會往左搜尋，只會看右邊，如果向量d=(-1,-1)，那麼水平方向是(-1,0)，只會搜尋左邊，不看右邊，其他同理。

下圖舉個例子，由於黃色節點的父節點是在斜方向，其對應分解成向上和向右兩個方向，因為在右方向發現一個藍色跳點，因此黃色節點也應被判斷為跳點：

JPS 尋路演算法（Jump Point Search）

實現原理

JPS 演算法和A* 演算法非常相似，步驟大概如下：

openlist取一個權值最低的節點，然後開始搜尋。（這些和A*是一樣的）
搜尋時，先進行 直線搜尋（4/8個方向，跳躍搜尋），然後再 斜向搜尋（4個方向，只搜尋一步）。如果期間某個方向搜尋到跳點或者碰到障礙（或邊界），則當前方向完成搜尋，若有搜到跳點就新增進openlist。

跳躍搜尋是指沿直線方向一直搜下去（可能會搜到很多格），直到搜到跳點或者障礙（邊界）。一開始從起點搜尋，會有4個直線方向（上下左右），要是4個斜方向都前進了一步，此時直線方向會有8個。

若斜方向沒完成搜尋，則斜方向前進一步，重複上述過程。

因為直線方向是跳躍式搜尋，所以總是能完成搜尋。

若所有方向已完成搜尋，則認為當前節點搜尋完畢，將當前節點移除於openlist，加入closelist。
重複取openlist權值最低節點搜尋，直到openlist為空或者找到終點。

下面結合圖片更好說明過程2和3：首先我們從openlist取出綠色的節點，作為搜尋的開始，先進行直線搜尋，再斜向搜尋，沒有找到任何跳點。

斜方向前進一步後，重複直線搜尋和斜向搜尋過程，仍沒發現跳點。

斜方向前進兩步後，重複直線搜尋和斜向搜尋過程，仍沒發現跳點。

斜方向前進了三步後（假設當前位置為 x），在水平直線搜尋上發現了一個跳點（紫色節點為強迫鄰居）。

於是 x 也被判斷為跳點，新增進openlist。斜方向結束，綠色節點的搜尋過程也就此結束，被移除於openlist，放入closelist。

示例過程

下面展示JPS演算法更加完整的過程：
假設起點為綠色節點，終點為紅色節點。

重複直線搜尋和斜向搜尋過程，斜方向前進了3步。在第3步判斷出黃色節點為跳點（依據是水平方向有其它跳點），將黃色跳點放入openlist，然後斜方向搜尋完成，綠色節點移除於openlist，放入closelist。

對openlist下一個權值最低的節點（即黃色節點）開啟搜尋，在直線方向上發現了藍色節點為跳點（依據是紫色節點為強迫鄰居），類似地，放入openlist。

由於斜方向還沒結束，繼續前進一步。最後一次直線搜尋和斜向搜尋都碰到了邊界，因此黃色節點搜尋完成，移除於openlist，放入closelist。

對openlist下一個權值最低的節點（原為藍色節點，下圖變為黃色節點）開啟搜尋，直線搜尋碰到邊界，斜向搜尋無果。斜方繼續前進一步，仍然直線搜尋碰到邊界，斜向搜尋無果。

由於斜方向還沒結束，繼續前進一步。

最終在直線方向上發現了紅色節點為跳點，因此藍色節點先被判斷為跳點，只新增藍色節點進openlist。斜方向完成，黃色節點搜尋完成。

最後openlist取出的藍色節點開啟搜尋，在水平方向上發現紅色節點，判斷為終點，演算法完成。

回憶起跳點的第三個判斷條件（如果父節點在斜方向，節點x的水平或垂直方向上有滿足條件a，b的點），會發現這個條件判斷是最複雜的。在尋路過程中，它使尋路多次在水平節點上搜到跳點，也只能先新增它本身。其次，這也是演算法中需要使用到遞迴的地方，是JPS演算法效能瓶頸所在。

JPS+（Jump Point Search Plus）

JPS+ 本質上也是 JPS尋路，只是加上了預處理來改進，從而使尋路更加快速。

預處理

我們首先對地圖每個節點進行跳點判斷，找出所有主要跳點：

然後對每個節點進行跳點的直線可達性判斷，並記錄好跳點直線可達性：

若可達還需記錄號跳點直線距離：

類似地，我們對每個節點進行跳點斜向距離的記錄：

剩餘各個方向如果不可到達跳點的資料記為0或負數距離。如果在對應的方向上移動1步後碰到障礙（或邊界）則記為0，如果移動n+1步後會碰到障礙（或邊界）的資料記為負數距離-n

最後每個節點的8個方向都記錄完畢，我們便完成了JPS+的預處理過程：

以上預處理過程需要有一個資料結構儲存地圖上每個格子8個方向距離碰撞或跳點的距離。

示例過程

做好了地圖的預處理之後，我們就可以使用JPS+演算法了。大致思路與JPS演算法相同，不過這次有了預處理的資料，我們可以更快的進行直線搜尋和斜向搜尋。

在某個搜尋方向上有：

對於正數距離 n（意味著距離跳點 n 格），我們可以直接將n步遠的節點作為跳點新增進openlist
對於0距離（意味著一步都不可移動），我們無需在該方向搜尋；
對於負數距離 -n（意味著距離邊界或障礙 n 格），我們直接將n步遠的節點進行一次跳點判斷（有可能滿足跳點的第三條件，不過得益於預處理的資料，這步也可以很快完成）。

如下圖示，起始節點通過已記錄的向上距離，直接將3步遠的跳點新增進openlist，而不再像以前需要迭代三步（還每步都要判斷是否跳點）：