在游戏中寻路是无处不在的。最著名的寻找最短路径算法莫过与A*算法，实现方式有很多中，重要的是我们要掌握其原理。
在本教程中,我们将介绍一种相对较新的方法搜索——基于网格的世界的跳点的搜索，可以加速A*寻路算法。效率提升那是大大的。
我假设读者已经明白A*算法的原理。如果你对A星寻路还不是很了解的话，我推荐你去看下这篇十分简单明了的教程，了解A星算法原理，猛戳这里。
好的，下面进入正题，开始讲解Jump Point Search！（以下简称JPS）
先来看个Demo，做个对比实验
首先让我们来看下老外用AS开发的一个Demo。Demo中黑色部分为不可行走区域，鼠标放到场景中任何个点，都会进行寻路算法，左上角的文本会提示寻路算法平均花费时间。
按【空格】键可以切换寻路算法模式为普通A*算法和JPS优化后的A*算法。
按【A】键可以添加NPC（貌似瓢虫的动物）
按【R】键可以移除NPC
下面开始讲解原理
常规A*算法，是向相邻的格子中搜索可能的“最近节点”，然后把所有的“最近节点”连接起来，既为最终解。至于说怎样的节点才是“最近节点”，本篇不做介绍，因为我前面已经设定了读者是已经明白A*算法的原理的了。
问题的关键，就在于，我们一定要逐格逐格的去搜索吗？随着格子密集度提升，时间复杂度也将大幅提升。
那么我们如何去优化呢？
很简单，对于大片的可行走区域，他们之间的任何一点都是可联通的，我们可以省去这部分格子的“最近节点”搜索，这将是很大一部分的搜索的运算了。我们只需要找出一些相关的控制点，然后通过控制点之间的连通，省去大部分无谓的“寻找最近节点”的运算。
具体思路如下：
1 生成/摆放好 凸多边形障碍物
2 “扩展”多边形 扩展的大小取决于 寻路者的大小
3 将地图中所有联通点(以扩展后的多边形为主)构成一张”图”
4 将寻路者的起点和目标点作为”临时节点”加入到3)中生成的图里
5 在图中寻路. 寻路后将之前的起点移除.
下面我们举个例子：
1、有如下一张地图，途中黑色填充为不可行走区
2、 “扩展”多边形 扩展的大小取决于 寻路者的大小，如图中细线部
3、将地图中所有联通点(以扩展后的多边形为主)构成一张”图”
4 、将寻路者的起点和目标点作为”临时节点”加入到3)中生成的图里
5、基于图中的“控制点” ，在图中寻路.
5.1、寻路第一步，将起始点作为搜索点，在与其相邻的控制点中，找到可能的“最近节点”，如图所示，最粗的两条线的交点，就是我们要找的“最近节点”，因为其深绿色线段+浅绿色线段的长度之和，是最短的。这也是A*寻路的基本思路。
5.2、寻路第二步，把上一步寻找到的“最近节点”，作为新的搜索点，然后重复同样的判断，找到新的新的“最近节点”，如图所示，红色的点，就是我们要找的新的“最近节点”
5.3、寻路第N步，重复同样的算法，寻找新的可能的“最近节点”，直到找到“终点”。如下图，深绿色的路线，就是我们寻路结果。
总结：
看到这里，我想大家一定都懂了，也肯定明白了，为什么利用JPS算法能够大大提高A*寻路的效率。因为它省去了一些无谓的判断节点。当然它是需要在寻路之前，开销一些空间和时间去进行地图的预处理。不过这点开销，在后面寻路算法中又大大地赚了回来。
附录：
在这里提供一个HTML5写的Demo，需使用兼容HTML5的高富帅浏览器，方能运行，屌丝IE6请绕道。猛戳这里。可以更加清晰的体现Jump Point Search算法的轮廓。
我的微博：@我就叫向佳
感谢@大城小胖
【转自】http://www.36haojie.com/index.php/2013/08/jumppointsearch/