在游戲中尋路是無處不在的。最著名的尋找最短路徑算法莫過與A*算法，實現方式有很多中，重要的是我們要掌握其原理。
在本教程中,我們將介紹一種相對較新的方法搜索——基於網格的世界的跳點的搜索，可以加速A*尋路算法。效率提升那是大大的。
我假設讀者已經明白A*算法的原理。如果你對A星尋路還不是很了解的話，我推薦你去看下這篇十分簡單明了的教程，了解A星算法原理，猛戳這里。
好的，下面進入正題，開始講解Jump Point Search！（以下簡稱JPS）
先來看個Demo，做個對比實驗
首先讓我們來看下老外用AS開發的一個Demo。Demo中黑色部分為不可行走區域，鼠標放到場景中任何個點，都會進行尋路算法，左上角的文本會提示尋路算法平均花費時間。
按【空格】鍵可以切換尋路算法模式為普通A*算法和JPS優化后的A*算法。
按【A】鍵可以添加NPC（貌似瓢蟲的動物）
按【R】鍵可以移除NPC
下面開始講解原理
常規A*算法，是向相鄰的格子中搜索可能的“最近節點”，然后把所有的“最近節點”連接起來，既為最終解。至於說怎樣的節點才是“最近節點”，本篇不做介紹，因為我前面已經設定了讀者是已經明白A*算法的原理的了。
問題的關鍵，就在於，我們一定要逐格逐格的去搜索嗎？隨着格子密集度提升，時間復雜度也將大幅提升。
那么我們如何去優化呢？
很簡單，對於大片的可行走區域，他們之間的任何一點都是可聯通的，我們可以省去這部分格子的“最近節點”搜索，這將是很大一部分的搜索的運算了。我們只需要找出一些相關的控制點，然后通過控制點之間的連通，省去大部分無謂的“尋找最近節點”的運算。
具體思路如下：
1 生成/擺放好 凸多邊形障礙物
2 “擴展”多邊形 擴展的大小取決於 尋路者的大小
3 將地圖中所有聯通點(以擴展后的多邊形為主)構成一張”圖”
4 將尋路者的起點和目標點作為”臨時節點”加入到3)中生成的圖里
5 在圖中尋路. 尋路后將之前的起點移除.
下面我們舉個例子：
1、有如下一張地圖，途中黑色填充為不可行走區
2、 “擴展”多邊形 擴展的大小取決於 尋路者的大小，如圖中細線部
3、將地圖中所有聯通點(以擴展后的多邊形為主)構成一張”圖”
4 、將尋路者的起點和目標點作為”臨時節點”加入到3)中生成的圖里
5、基於圖中的“控制點” ，在圖中尋路.
5.1、尋路第一步，將起始點作為搜索點，在與其相鄰的控制點中，找到可能的“最近節點”，如圖所示，最粗的兩條線的交點，就是我們要找的“最近節點”，因為其深綠色線段+淺綠色線段的長度之和，是最短的。這也是A*尋路的基本思路。
5.2、尋路第二步，把上一步尋找到的“最近節點”，作為新的搜索點，然后重復同樣的判斷，找到新的新的“最近節點”，如圖所示，紅色的點，就是我們要找的新的“最近節點”
5.3、尋路第N步，重復同樣的算法，尋找新的可能的“最近節點”，直到找到“終點”。如下圖，深綠色的路線，就是我們尋路結果。
總結：
看到這里，我想大家一定都懂了，也肯定明白了，為什么利用JPS算法能夠大大提高A*尋路的效率。因為它省去了一些無謂的判斷節點。當然它是需要在尋路之前，開銷一些空間和時間去進行地圖的預處理。不過這點開銷，在后面尋路算法中又大大地賺了回來。
附錄：
在這里提供一個HTML5寫的Demo，需使用兼容HTML5的高富帥瀏覽器，方能運行，屌絲IE6請繞道。猛戳這里。可以更加清晰的體現Jump Point Search算法的輪廓。
我的微博：@我就叫向佳
感謝@大城小胖
【轉自】http://www.36haojie.com/index.php/2013/08/jumppointsearch/