A*算法的三种距离算法

A* 算法是一种常用的启发式搜索算法，其中距离算法在评估搜索节点时非常重要。以下是 A* 算法中常用的三种距离算法：

1. 曼哈顿距离（Manhattan Distance）：也称为 L1 距离，是从当前节点到目标节点的横向和纵向距离之和。它可以通过以下公式计算：$d = |x_1 - x_2| + |y_1 - y_2|$，其中 $(x_1, y_1)$ 和 $(x_2, y_2)$ 分别是当前节点和目标节点的坐标。

2. 欧几里得距离（Euclidean Distance）：也称为 L2 距离，是从当前节点到目标节点的直线距离。它可以通过以下公式计算：$d = \sqrt{(x_1 - x_2)^2 + (y_1 - y_2)^2}$，其中 $(x_1, y_1)$ 和 $(x_2, y_2)$ 分别是当前节点和目标节点的坐标。

3. 切比雪夫距离（Chebyshev Distance）：是从当前节点到目标节点的横向和纵向距离的最大值。它可以通过以下公式计算：$d = \max(|x_1 - x_2|, |y_1 - y_2|)$，其中 $(x_1, y_1)$ 和 $(x_2, y_2)$ 分别是当前节点和目标节点的坐标。

这三种距离算法都可以用于 A* 算法中，但在不同场景下可能会有不同的表现。例如，在仅允许横向和纵向移动的情况下，曼哈顿距离可能更适合。