a star dijkstra dfs可视化规划通过pygame 在界面设定起止点和障碍物趣味性强适合新手学习。 路径规划 pygame 自动驾驶 有详细使用说明今天咱们来搞点好玩的——用pygame做个能自由设置障碍物的路径规划可视化工具不需要高深的算法基础只要会点Python就能玩转。这个工具支持A*、Dijkstra和DFS三种算法实时演示还能用鼠标画迷宫特别适合刚入门的同学理解算法差异。先看效果深灰色是墙亮色是探索过的区域彩色路径会像贪吃蛇一样慢慢爬出来。按空格可以随时切换算法亲眼看看不同算法探索路径的差异比如DFS跑出来的路径可能扭成麻花~![可视化效果截图]整个项目就一个py文件核心代码不到200行。咱们先来看怎么用pygame画网格class Grid: def __init__(self, rows, cols, size): self.rows rows self.cols cols self.size size self.grid [[Node(i, j) for j in range(cols)] for i in range(rows)] def draw(self, screen): for i in range(self.rows): for j in range(self.cols): color self.grid[i][j].get_color() pygame.draw.rect(screen, color, (j*self.size, i*self.size, self.size-1, self.size-1))每个网格节点用Node对象存储状态是否起点/终点/障碍物/已访问等。这里有个小技巧size-1让网格线自然显现省去单独画线的麻烦。a star dijkstra dfs可视化规划通过pygame 在界面设定起止点和障碍物趣味性强适合新手学习。 路径规划 pygame 自动驾驶 有详细使用说明事件处理是项目的灵魂部分。看这段鼠标交互逻辑if event.type pygame.MOUSEBUTTONDOWN: x, y pygame.mouse.get_pos() row, col y // NODE_SIZE, x // NODE_SIZE if event.button 1: # 左键设起点 start (row, col) elif event.button 3: # 右键设终点 end (row, col) elif event.button 2: # 中键画墙 grid[row][col].toggle_wall()重点说下A*算法的实现。和Dijkstra不同之处在于加入了启发式函数这里用曼哈顿距离def heuristic(a, b): return abs(a[0]-b[0]) abs(a[1]-b[1]) open_set PriorityQueue() open_set.put((0, start)) came_from {} g_score {node: float(inf) for row in grid for node in row} g_score[start] 0 while not open_set.empty(): current open_set.get()[1] if current end: break for neighbor in get_neighbors(current): tentative_g g_score[current] 1 if tentative_g g_score[neighbor]: came_from[neighbor] current g_score[neighbor] tentative_g f_score tentative_g heuristic(neighbor, end) open_set.put((f_score, neighbor))Dijkstra其实就是把启发函数设为零的A*而DFS把优先队列换成栈就行。三个算法共用一套可视化逻辑运行时切换算法变量即可。使用说明记得先pip install pygame左键单击设起点绿色右键单击设终点红色中键拖动画障碍灰色空格键开始寻路R键重置地图数字键1/2/3切换算法A*/Dijkstra/DFS按C键清空已探索区域遇到死胡同时会弹窗提示这时候可以随意修改地图再重新运行。建议故意画个U型墙对比三种算法的探索过程——你会发现A*的探索区域最集中DFS到处乱撞而Dijkstra像水波扩散。完整代码已打包在GitHub地址见文末包含自动寻路延迟效果、路径回溯等细节。这个项目稍加改造就能用在自动驾驶仿真中比如把网格地图换成真实道路数据把鼠标画墙改成导入高精地图的障碍物数据。最后留个思考题如果要让算法支持对角线移动哪些地方需要修改提示修改get_neighbors函数和启发函数
“路径规划：通过pygame实现A*、Dijkstra和DFS可视化，设定起止点与障碍物，趣味...
发布时间：2026/5/20 12:18:56
a star dijkstra dfs可视化规划通过pygame 在界面设定起止点和障碍物趣味性强适合新手学习。 路径规划 pygame 自动驾驶 有详细使用说明今天咱们来搞点好玩的——用pygame做个能自由设置障碍物的路径规划可视化工具不需要高深的算法基础只要会点Python就能玩转。这个工具支持A*、Dijkstra和DFS三种算法实时演示还能用鼠标画迷宫特别适合刚入门的同学理解算法差异。先看效果深灰色是墙亮色是探索过的区域彩色路径会像贪吃蛇一样慢慢爬出来。按空格可以随时切换算法亲眼看看不同算法探索路径的差异比如DFS跑出来的路径可能扭成麻花~![可视化效果截图]整个项目就一个py文件核心代码不到200行。咱们先来看怎么用pygame画网格class Grid: def __init__(self, rows, cols, size): self.rows rows self.cols cols self.size size self.grid [[Node(i, j) for j in range(cols)] for i in range(rows)] def draw(self, screen): for i in range(self.rows): for j in range(self.cols): color self.grid[i][j].get_color() pygame.draw.rect(screen, color, (j*self.size, i*self.size, self.size-1, self.size-1))每个网格节点用Node对象存储状态是否起点/终点/障碍物/已访问等。这里有个小技巧size-1让网格线自然显现省去单独画线的麻烦。a star dijkstra dfs可视化规划通过pygame 在界面设定起止点和障碍物趣味性强适合新手学习。 路径规划 pygame 自动驾驶 有详细使用说明事件处理是项目的灵魂部分。看这段鼠标交互逻辑if event.type pygame.MOUSEBUTTONDOWN: x, y pygame.mouse.get_pos() row, col y // NODE_SIZE, x // NODE_SIZE if event.button 1: # 左键设起点 start (row, col) elif event.button 3: # 右键设终点 end (row, col) elif event.button 2: # 中键画墙 grid[row][col].toggle_wall()重点说下A*算法的实现。和Dijkstra不同之处在于加入了启发式函数这里用曼哈顿距离def heuristic(a, b): return abs(a[0]-b[0]) abs(a[1]-b[1]) open_set PriorityQueue() open_set.put((0, start)) came_from {} g_score {node: float(inf) for row in grid for node in row} g_score[start] 0 while not open_set.empty(): current open_set.get()[1] if current end: break for neighbor in get_neighbors(current): tentative_g g_score[current] 1 if tentative_g g_score[neighbor]: came_from[neighbor] current g_score[neighbor] tentative_g f_score tentative_g heuristic(neighbor, end) open_set.put((f_score, neighbor))Dijkstra其实就是把启发函数设为零的A*而DFS把优先队列换成栈就行。三个算法共用一套可视化逻辑运行时切换算法变量即可。使用说明记得先pip install pygame左键单击设起点绿色右键单击设终点红色中键拖动画障碍灰色空格键开始寻路R键重置地图数字键1/2/3切换算法A*/Dijkstra/DFS按C键清空已探索区域遇到死胡同时会弹窗提示这时候可以随意修改地图再重新运行。建议故意画个U型墙对比三种算法的探索过程——你会发现A*的探索区域最集中DFS到处乱撞而Dijkstra像水波扩散。完整代码已打包在GitHub地址见文末包含自动寻路延迟效果、路径回溯等细节。这个项目稍加改造就能用在自动驾驶仿真中比如把网格地图换成真实道路数据把鼠标画墙改成导入高精地图的障碍物数据。最后留个思考题如果要让算法支持对角线移动哪些地方需要修改提示修改get_neighbors函数和启发函数
