最近在負責佈線的一些功能的優化 在大神（第二個鏈接的作者）的啓發知道下 知道了 AStar算法 如獲至寶
學習算法的主要連接爲： 極限定律 My Algorithm Space A*算法入門
已有的RCP根據AStar佈線的算法: RCP：gef智能尋路算法（A star）
以下是連接的部分內容和個人理解：
核心公式： f(最終路徑長度) = g(起點到x點的長度）+ h(x點到終點的估計長度）
開啓列表：將要被遍歷的點的集合
關閉列表：已經被遍歷的點的集合
理解： x點: 是正在遍歷 估值的點。 剛開始的時候 x點就是起點；然後以一定策略向終點靠近，x點就是過程中的點；當然最期望的是x點就是終點
g: 是可以明確計算出 並且要實時保持爲最短最優的(通過)
h: 核心是：越靠近終點 值越小
一般是曼哈頓方法方法（|x|+|y|),也可以算兩點間距離（如果不是切割成正方形）還有其他
雖然前方是大河 深淵但還得前進不是，等看到在想辦法
核心策略：
從開啓列表找出最小f的點 遍歷他周圍的點時的邏輯：
1. * 如果它不可通過或者已經在關閉列表中，略過它。
理解：爲了躲過障礙 並且 不回頭
2.* 如果它不在開啓列表中，把它添加進去。把當前格作爲這一格的父節點。記錄這一格的F,G,和H值。
理解：以當前點探索到的新地形 1，爲新地形標記測算並加到可探索集合中去（方便後續計算），2.記錄從何而來 （這點很重要 如果這個點是終點 你就可以從終點找回到起點 你懂的）
3.* 如果它已經在開啓列表中，用G值爲參考檢查新的路徑是否更好。更低的G值意味着更好的路徑。如果是這樣，就把這一格的父節點改成當前格，並且重新計算這一格的G和F值。如果你保持你的開啓列表按F值排序，改變之後你可能需要重新對開啓列表排序。
理解：1.優化G值 這個是明確的值（之前探索結果：A->B->C(權：20 ) 現在： 如果A->C（權：15） 自然要優化C地形 正名呀）
2.遍歷開啓列表F值最小的 （因爲這個點更可能是最優的方向 ）
完整的邏輯如下：
1，把起始格添加到開啓列表。
2，重複如下的工作：
a) 尋找開啓列表中F值最低的格子。我們稱它爲當前格。
b) 把它切換到關閉列表。
c) 對相鄰的格中的每一個？
* 如果它不可通過或者已經在關閉列表中，略過它。反之如下。
* 如果它不在開啓列表中，把它添加進去。把當前格作爲這一格的父節點。記錄這一格的F,G,和H值。
* 如果它已經在開啓列表中，用G值爲參考檢查新的路徑是否更好。更低的G值意味着更好的路徑。如果是這樣，就把這一格的父節點改成當前格，並且重新計算這一格的G和F值。如果你保持你的開啓列表按F值排序，改變之後你可能需要重新對開啓列表排序。
d) 停止，當你
* 把目標格添加進了關閉列表(註解)，這時候路徑被找到，或者
* 沒有找到目標格，開啓列表已經空了。這時候，路徑不存在。
3.保存路徑。從目標格開始，沿着每一格的父節點移動直到回到起始格。這就是你的路徑。