1. 项目概述从“点对点”到“智能决策”的跨越在游戏开发尤其是角色扮演、策略、模拟经营乃至开放世界游戏中一个让角色或单位能够自主、智能地从A点移动到B点的功能是构建沉浸感世界的基石。这个功能我们称之为“自动寻路”。它远不止是让角色动起来那么简单其核心挑战在于如何在复杂多变的地形、障碍物和动态环境中计算出最短或最优的移动路径并让角色平滑、自然地沿此路径行进。Unity作为当今最主流的游戏开发引擎之一其强大的组件系统和丰富的生态系统为我们实现这一功能提供了多种可能。但面对琳琅满目的方案——从内置的NavMesh到开源的A* Pathfinding Project再到手写算法——开发者常常会陷入选择困难究竟哪种方案最适合我的项目性能开销如何遇到动态障碍怎么办今天我们就来深入拆解在Unity中实现“最短路径自动寻路”的完整方案。我不会只给你一个现成的插件链接而是会带你从原理出发理解寻路算法的核心思想然后对比分析Unity内置方案与主流第三方方案的优劣最后手把手带你实现一个兼顾性能与灵活性的寻路系统。无论你是刚接触Unity的新手还是希望优化现有寻路逻辑的老手这篇文章都将为你提供从理论到实践的完整路线图。2. 寻路核心原理与算法选型在动手写代码之前我们必须先理解寻路问题的本质。它本质上是一个图搜索问题。我们可以把游戏世界离散化为一个由“节点”和“边”构成的图。节点代表可行走的点如网格中心、导航网格的三角形边代表节点之间可通行的连接每条边有一个“代价”通常是距离也可以是地形难度、危险系数等。寻路的目标就是在这样的图中找到从起点节点到终点节点之间总代价最小的路径。2.1 广度优先搜索与深度优先搜索基础的探索最直观的想法是“地毯式搜索”。广度优先搜索从起点开始先探索所有相邻节点再探索这些相邻节点的相邻节点以此类推像水波一样扩散。它保证找到的路径是最短步数的如果每条边代价相同但效率很低会探索大量无关区域。深度优先搜索则是一条路走到黑碰壁再回溯。它不保证找到最短路径在寻路中很少直接使用。这两种算法虽然简单但为更高效的算法奠定了基础。它们揭示了寻路需要一种系统化的方式来探索和记录节点。2.2 Dijkstra算法确保最优的“保守派”Dijkstra算法是寻找单源最短路径的经典算法。它维护一个“待探索节点集合”每次都从集合中取出当前已知距离起点最短的节点进行探索并更新其邻居节点的最短距离估计。算法核心步骤将起点加入待探索集合距离设为0。从待探索集合中取出距离最小的节点称为当前节点。遍历当前节点的所有邻居节点计算从起点经过当前节点到达该邻居的新距离。如果新距离小于邻居当前记录的距离则更新邻居的距离并将当前节点记录为邻居的“父节点”即从哪来的。将当前节点标记为已探索。重复步骤2-4直到终点被标记为已探索或待探索集合为空表示不可达。Dijkstra算法保证找到全局最优解总代价最小但它像是一个谨慎的保守派会均等地向所有方向探索直到覆盖所有可能比当前路径更优的节点因此在空旷或目标较远时效率不高。2.3 A* 算法启发式搜索的“效率王者”A* 算法是对Dijkstra算法的革命性改进它引入了“启发式函数”的概念成为了游戏寻路事实上的标准。启发式函数H(n)用于估算从当前节点n到终点的预计代价。最常用的启发式是欧几里得距离或曼哈顿距离。A* 为每个节点计算一个F值F(n) G(n) H(n)。其中G(n)从起点到节点n的实际代价。H(n)从节点n到终点的估计代价启发值。算法核心步骤与Dijkstra类似但关键区别在F值将起点加入待探索集合通常用优先队列按F值排序计算其F值。从待探索集合中取出F值最小的节点作为当前节点。如果当前节点是终点则回溯路径算法结束。遍历当前节点的邻居计算每个邻居的G值和F值。如果邻居不在任何集合中或找到更小的G值则更新其G、F值和父节点并将其加入/重新加入待探索集合。将当前节点移入已探索集合。重复步骤2-6直到找到终点或待探索集合为空。为什么A*更高效启发式函数H(n)起到了“引导”作用。它让算法优先探索那些看起来更接近终点的方向大大减少了搜索范围。只要启发式函数是“可采纳的”即永远不会高估实际代价A* 就能保证找到最短路径。它完美平衡了探索的“广度”和目标的“导向性”。注意启发式函数的选择至关重要。在标准的正方形网格中使用对角线距离切比雪夫距离或欧几里得距离通常效果很好。如果你的世界移动方式受限如只能上下左右则应使用曼哈顿距离。一个高估的启发式会导致A* 找不到最短路径而一个低估的启发式可采纳的虽然保证最优但低估得越多算法会越保守效率会向Dijkstra退化。Unity中的选择对于绝大多数游戏A算法是性能与效果的最佳平衡点*。Unity内置的NavMesh系统底层也使用了基于导航网格的A* 变种。因此我们的实现将围绕A* 算法展开。3. Unity内置寻路方案NavMesh深度解析Unity提供了开箱即用的导航系统核心是NavMesh导航网格。它不是一个基于格子Grid的系统而是将可行走区域划分为凸多边形通常是三角形的网格。这种方式更贴合3D场景的实际几何形状内存效率高且能天然处理斜坡、不规则地形。3.1 NavMesh的构建流程与关键参数使用NavMesh的第一步是“烘焙”。你需要在场景中标记静态的可行走地面和障碍物。标记导航静态选中场景中所有不动的、参与寻路计算的物体如地面、墙壁、台阶在Inspector窗口右上角点击“Static”下拉菜单勾选“Navigation Static”。对于明确是障碍物的物体如石头、树木也需要标记。打开导航窗口Window AI Navigation。烘焙设置Agents页签Agent Radius角色半径。这个值会从可行走区域边缘“收缩”确保路径足够宽角色不会卡进墙角。如果你的角色体积较大务必调大此值。Agent Height角色高度。用于判断可以通过的门洞、低矮通道。Max Slope最大爬坡角度。超过此角度的斜坡将被视为不可行走。Step Height可跨越台阶高度。角色可以自动走上低于此高度的台阶实现上下楼梯的效果。烘焙Bake页签设置好参数后点击“Bake”按钮。Unity会扫描所有标记为Navigation Static的物体生成蓝色的导航网格区域。实操心得烘焙前的场景准备合并网格对于大量小物体如碎石堆先合并成一个Mesh可以极大加快烘焙速度和减少NavMesh数据量。使用NavMesh Modifier这个组件可以覆盖物体的全局静态设置。例如一个平台你希望角色可以走上去但它本身是动态生成的无法标记为Static。你可以给它添加NavMeshModifier组件设置其Area Type如Walkable然后在烘焙时勾选“Generate Links”相关选项需Unity较新版本或在运行时使用NavMeshBuilder动态更新NavMesh。分层烘焙对于复杂场景可以烘焙多个不同参数的NavMesh如给人类、巨人、车辆分别烘焙通过Area区域类型来区分。3.2 使用NavMeshAgent实现自动移动烘焙好NavMesh后让角色动起来非常简单。添加组件给需要寻路的角色GameObject添加NavMeshAgent组件。关键参数配置Speed/ Angular Speed/ Acceleration移动、转向和加速度控制角色的运动手感。Stopping Distance停止距离。在距离目标多远处开始减速停止。设置一个较小值如0.1可以让角色更贴近目标点。Auto Braking是否自动刹车。如果关闭角色到达目标点后会因惯性滑过适合RTS单位。Obstacle Avoidance避障质量。用于处理动态的小型障碍物如其他移动的角色。高质量避障计算量更大。脚本控制在代码中设置目标点即可。using UnityEngine; using UnityEngine.AI; // 引入AI命名空间 public class SimpleNavAgent : MonoBehaviour { private NavMeshAgent agent; void Start() { agent GetComponentNavMeshAgent(); } void Update() { // 示例点击鼠标右键移动 if (Input.GetMouseButtonDown(1)) { Ray ray Camera.main.ScreenPointToRay(Input.mousePosition); RaycastHit hit; if (Physics.Raycast(ray, out hit)) { // 核心代码设置目标点 agent.SetDestination(hit.point); } } } }NavMesh的优缺点分析优点集成度高易用无需手动处理网格划分与Unity物理、动画系统集成好。路径平滑基于多边形的路径天生比网格路径更平滑。动态避障通过NavMeshObstacle组件可以处理简单的动态障碍。区域与代价可以给不同区域如草地、沼泽、道路设置不同的移动代价实现更智能的寻路。缺点动态更新成本高如果场景结构发生巨大变化如桥梁被炸毁需要重新烘焙或部分更新NavMesh这在运行时可能造成卡顿。对不规则移动支持弱对于飞行单位、无视地形的单位需要特殊处理。“黑盒”程度高底层算法和细节控制相对有限定制复杂行为如队列行进、战术编队比较困难。4. 自主实现A*网格寻路系统当NavMesh的灵活性无法满足需求时例如你需要极致的性能控制、特定的网格逻辑、或者开发2D游戏自主实现一个基于网格的A*寻路系统就非常有必要。下面我们一步步构建一个基础但完整的系统。4.1 网格数据结构的构建首先我们需要一个数据结构来表示游戏世界中的网格。using System.Collections.Generic; using UnityEngine; public class GridSystem : MonoBehaviour { public LayerMask unwalkableMask; // 不可行走区域的图层 public Vector2 gridWorldSize; // 网格覆盖的世界大小 public float nodeRadius; // 每个节点的半径决定了节点间距 private float nodeDiameter; private Node[,] grid; // 二维数组存储所有节点 private int gridSizeX, gridSizeY; // 定义节点类 public class Node { public bool walkable; // 是否可行走 public Vector3 worldPosition; // 节点的世界坐标 public int gridX, gridY; // 节点在网格中的索引 public int gCost; // 从起点到本节点的代价 public int hCost; // 从本节点到终点的启发代价 public int fCost { get { return gCost hCost; } } // 总代价 public Node parent; // 路径回溯用的父节点 public Node(bool _walkable, Vector3 _worldPos, int _gridX, int _gridY) { walkable _walkable; worldPosition _worldPos; gridX _gridX; gridY _gridY; } } void Awake() { nodeDiameter nodeRadius * 2; // 计算网格在X和Y方向上有多少个节点 gridSizeX Mathf.RoundToInt(gridWorldSize.x / nodeDiameter); gridSizeY Mathf.RoundToInt(gridWorldSize.y / nodeDiameter); CreateGrid(); } void CreateGrid() { grid new Node[gridSizeX, gridSizeY]; Vector3 worldBottomLeft transform.position - Vector3.right * gridWorldSize.x / 2 - Vector3.forward * gridWorldSize.y / 2; for (int x 0; x gridSizeX; x) { for (int y 0; y gridSizeY; y) { // 计算每个节点的世界坐标 Vector3 worldPoint worldBottomLeft Vector3.right * (x * nodeDiameter nodeRadius) Vector3.forward * (y * nodeDiameter nodeRadius); // 使用物理检测判断该点是否可行走 bool walkable !(Physics.CheckSphere(worldPoint, nodeRadius, unwalkableMask)); grid[x, y] new Node(walkable, worldPoint, x, y); } } } // 根据世界坐标获取对应的节点 public Node NodeFromWorldPoint(Vector3 worldPosition) { float percentX (worldPosition.x gridWorldSize.x / 2) / gridWorldSize.x; float percentY (worldPosition.z gridWorldSize.y / 2) / gridWorldSize.y; // 注意在Unity中forward对应的是Z轴 percentX Mathf.Clamp01(percentX); percentY Mathf.Clamp01(percentY); int x Mathf.RoundToInt((gridSizeX - 1) * percentX); int y Mathf.RoundToInt((gridSizeY - 1) * percentY); return grid[x, y]; } // 获取一个节点的所有邻居8方向 public ListNode GetNeighbours(Node node) { ListNode neighbours new ListNode(); for (int x -1; x 1; x) { for (int y -1; y 1; y) { if (x 0 y 0) continue; // 跳过自身 int checkX node.gridX x; int checkY node.gridY y; // 检查索引是否在网格范围内 if (checkX 0 checkX gridSizeX checkY 0 checkY gridSizeY) { neighbours.Add(grid[checkX, checkY]); } } } return neighbours; } }这个GridSystem类在场景中创建一个覆盖指定区域的网格并根据物理检测初始化每个节点的walkable状态。NodeFromWorldPoint方法将鼠标点击的世界坐标转换为网格节点这是寻路的起点。4.2 A* 算法的核心实现接下来我们实现寻路管理器它包含A*算法的核心逻辑。public class Pathfinding : MonoBehaviour { private GridSystem grid; // 引用上面创建的网格系统 void Awake() { grid GetComponentGridSystem(); } // 寻路主函数 public ListVector3 FindPath(Vector3 startPos, Vector3 targetPos) { Node startNode grid.NodeFromWorldPoint(startPos); Node targetNode grid.NodeFromWorldPoint(targetPos); // 如果起点或终点不可行走直接返回空路径 if (!startNode.walkable || !targetNode.walkable) { Debug.LogWarning(起点或终点不可达); return new ListVector3(); } // 开放集合和关闭集合 HeapNode openSet new HeapNode(grid.MaxSize); // 使用堆优化获取最小F值节点的速度 HashSetNode closedSet new HashSetNode(); openSet.Add(startNode); while (openSet.Count 0) { Node currentNode openSet.RemoveFirst(); // 取出F值最小的节点 closedSet.Add(currentNode); // 找到目标节点回溯生成路径 if (currentNode targetNode) { return RetracePath(startNode, targetNode); } // 遍历邻居 foreach (Node neighbour in grid.GetNeighbours(currentNode)) { // 如果邻居不可行走或已在关闭集合中跳过 if (!neighbour.walkable || closedSet.Contains(neighbour)) { continue; } // 计算从当前节点到邻居的新G值假设直线移动代价为10对角线为14 int newMovementCostToNeighbour currentNode.gCost GetDistance(currentNode, neighbour); // 如果新路径更优或者邻居还未在开放集合中 if (newMovementCostToNeighbour neighbour.gCost || !openSet.Contains(neighbour)) { neighbour.gCost newMovementCostToNeighbour; neighbour.hCost GetDistance(neighbour, targetNode); neighbour.parent currentNode; if (!openSet.Contains(neighbour)) openSet.Add(neighbour); else openSet.UpdateItem(neighbour); // 如果G值更新需要重新排序堆 } } } // 开放集合为空未找到路径 return new ListVector3(); } // 回溯路径从终点节点沿parent指针回溯到起点 ListVector3 RetracePath(Node startNode, Node endNode) { ListNode path new ListNode(); Node currentNode endNode; while (currentNode ! startNode) { path.Add(currentNode); currentNode currentNode.parent; } path.Add(startNode); path.Reverse(); // 反转变成从起点到终点 // 将节点列表简化为关键拐点路径点的世界坐标列表 ListVector3 waypoints SimplifyPath(path); return waypoints; } // 路径简化去除共线的中间点只保留拐点 ListVector3 SimplifyPath(ListNode path) { ListVector3 waypoints new ListVector3(); Vector2 directionOld Vector2.zero; for (int i 1; i path.Count; i) { // 计算当前路径段的方向 Vector2 directionNew new Vector2(path[i-1].gridX - path[i].gridX, path[i-1].gridY - path[i].gridY); if (directionNew ! directionOld) { // 方向改变说明是拐点添加前一个点的位置 waypoints.Add(path[i-1].worldPosition); } directionOld directionNew; } // 别忘了添加终点 waypoints.Add(path[path.Count - 1].worldPosition); return waypoints; } // 计算两个节点之间的启发式代价这里使用对角线距离 int GetDistance(Node nodeA, Node nodeB) { int dstX Mathf.Abs(nodeA.gridX - nodeB.gridX); int dstY Mathf.Abs(nodeA.gridY - nodeB.gridY); if (dstX dstY) return 14 * dstY 10 * (dstX - dstY); // 14是√2的近似值乘以10 return 14 * dstX 10 * (dstY - dstX); } }代码解析与优化点Heap堆优化开放集合openSet使用最小堆数据结构可以将每次获取F值最小节点的时间复杂度从O(n)降低到O(log n)对于大型网格寻路性能提升巨大。你需要额外实现一个泛型HeapT类。路径简化SimplifyPath函数将一系列连续的网格节点简化为关键拐点路径点。这非常重要因为让角色逐格移动会显得非常僵硬和低效。简化后角色只需在这些路径点之间直线移动。代价计算GetDistance函数实现了对角线距离切比雪夫距离的变种它允许角色沿8个方向移动比仅4方向更自然。直线代价设为10对角线代价设为14约等于10*√2保持了距离比例。4.3 角色移动与路径跟随计算出路径点ListVector3后我们需要一个脚本来让角色沿着这些点移动。public class Unit : MonoBehaviour { public float speed 5f; public float turnSpeed 3f; public float pathUpdateMoveThreshold .5f; // 移动超过此距离才重新寻路 public float waypointTolerance 0.1f; // 到达路径点的判定距离 private Pathfinding pathfinding; private ListVector3 path; private int targetWaypointIndex; private Vector3 currentWaypoint; void Start() { pathfinding FindObjectOfTypePathfinding(); // 简单查找生产环境建议用依赖注入 } public void MoveTo(Vector3 destination) { path pathfinding.FindPath(transform.position, destination); if (path ! null path.Count 0) { targetWaypointIndex 0; currentWaypoint path[0]; StopCoroutine(FollowPath); StartCoroutine(FollowPath); } } IEnumerator FollowPath() { while (true) { if (path null || path.Count 0) yield break; Vector3 currentPos transform.position; // 检查是否到达当前路径点 if (Vector3.Distance(currentPos, currentWaypoint) waypointTolerance) { targetWaypointIndex; if (targetWaypointIndex path.Count) { // 到达终点 path null; yield break; } currentWaypoint path[targetWaypointIndex]; } // 计算移动方向和旋转 Vector3 direction (currentWaypoint - currentPos).normalized; Quaternion lookRotation Quaternion.LookRotation(new Vector3(direction.x, 0, direction.z)); // 忽略Y轴旋转 transform.rotation Quaternion.Slerp(transform.rotation, lookRotation, Time.deltaTime * turnSpeed); transform.Translate(direction * speed * Time.deltaTime, Space.World); yield return null; // 每帧执行一次 } } // 可视化路径在OnDrawGizmos中绘制 void OnDrawGizmos() { if (path ! null) { for (int i targetWaypointIndex; i path.Count; i) { Gizmos.color Color.black; Gizmos.DrawCube(path[i], Vector3.one * 0.2f); if (i targetWaypointIndex) Gizmos.DrawLine(transform.position, path[i]); else Gizmos.DrawLine(path[i - 1], path[i]); } } } }这个Unit脚本提供了基础的路径跟随功能包括转向插值和逐帧移动。你可以将其挂载到任何需要寻路的游戏对象上并通过调用MoveTo方法触发寻路和移动。5. 高级优化与功能扩展一个基础的寻路系统已经完成但要投入实际项目还需要考虑更多。5.1 性能优化策略寻路尤其是频繁或多人同时寻路时是CPU密集型操作。分帧寻路不要在同一帧为几十个单位同时寻路。可以使用一个寻路管理器PathRequestManager将寻路请求放入队列每帧处理固定数量如2-4个分摊计算压力。路径缓存对于静态场景很多起点-终点对是固定的如NPC的巡逻点。可以缓存计算过的路径下次直接使用。简化网格在满足游戏精度的前提下使用尽可能大的nodeRadius即更稀疏的网格能指数级减少搜索节点数。使用更高效的数据结构如前所述使用堆Heap管理开放集合。使用HashSet管理关闭集合保证Contains操作为O(1)。局部避障A*负责全局路径规划对于路径上的小型动态障碍如其他移动的单位可以在Unit移动时使用简单的物理检测如Raycast或OverlapSphere进行局部避让或短暂等待避免频繁重新寻路。5.2 动态障碍物与分层寻路动态障碍物对于会移动或临时出现的障碍如打开的门、被推开的箱子我们的网格系统需要更新。可以在障碍物上挂载一个脚本当其状态改变时调用GridSystem的某个方法更新其覆盖范围内所有节点的walkable状态。注意这需要高效的局部网格更新算法。分层寻路HPA*对于超大型地图将网格划分为多个“簇”Chunk。先在粗粒度簇与簇之间上进行寻路找到簇的序列再在每个簇内部进行精细寻路。这能极大减少单次A*搜索的节点数量。Unity的NavMesh在某种程度上也采用了分层思想。不同地形代价在Node类中增加一个movementPenalty字段。在CreateGrid时可以通过射线检测地面的Tag或Layer为不同地形如沼泽、道路的节点设置不同的惩罚值。在计算G值时不是简单加10或14而是加上movementPenalty。这样寻路算法就会自动偏好走道路而非沼泽。5.3 与Unity生态的整合A* Pathfinding Project如果你不想从头造轮子又需要比NavMesh更强大的网格寻路功能那么A* Pathfinding Project这个第三方资产几乎是行业标准。它提供了极其丰富和优化的功能多种图类型支持网格图、点阵图、递归图、NavMesh图适应各种需求。多线程寻路将寻路计算放到其他线程完全不阻塞主游戏线程。本地规避Local Avoidance内置成熟的RVO互逆速度障碍避障算法让大量单位自然流畅地相互避让不会挤成一团。丰富的移动脚本提供AIPath、RichAI等组件支持沿路径移动、连接动画、动态调整速度等。强大的扫描与更新支持运行时动态更新图形处理可破坏场景。实操心得何时选择APathfinding Project* 如果你的项目是2D游戏或者需要大量单位如RTS中上百个单位的复杂寻路和避障或者你需要对寻路过程有非常精细的控制如自定义启发式、路径修改回调那么投资这个资产是非常值得的。它的学习曲线比NavMesh陡峭但灵活性和上限也高得多。6. 常见问题排查与实战技巧在实际开发中你肯定会遇到各种稀奇古怪的寻路问题。这里记录一些典型的“坑”和解决方法。问题1角色在拐角处卡住或抖动。原因路径点过于密集或者角色的碰撞体与障碍物发生了穿透。解决确保waypointTolerance路径点容差设置合理不要太小。在路径简化算法中可以增加一个最小拐角角度判断避免生成过于接近的点。检查角色的Collider半径和网格的nodeRadius。角色半径应略小于节点半径否则角色会认为自己无法通过两个可行走节点之间的缝隙。一个经验法则是角色碰撞体半径 nodeRadius * 0.9。对于NavMeshAgent检查Agent Radius和障碍物的碰撞体是否匹配。问题2寻路结果很奇怪绕远路或穿墙。原因网格数据walkable状态不正确或者启发式函数有问题。解决可视化调试在GridSystem的OnDrawGizmos中绘制网格用颜色区分可行走绿色和不可行走红色节点。一眼就能看出烘焙区域是否正确。检查碰撞层LayerMask确保unwalkableMask正确设置了所有障碍物所在的层。检查物理检测Physics.CheckSphere使用的nodeRadius是否合适太小会漏检障碍太大会把宽敞区域误判为不可行走。可以用Gizmos.DrawWireSphere在Scene视图查看检测范围。检查启发式确保你的GetDistance函数对于你的移动方式是合理的4方向用曼哈顿8方向用对角线距离。问题3大量单位寻路时游戏卡顿。原因CPU被寻路计算占满。解决立即实施分帧寻路。考虑使用APathfinding Project*它内置了多线程支持。优化网格大小在视觉可接受的范围内使用更少的节点。对于非紧急的寻路如远处NPC的巡逻降低其寻路频率如每2秒寻路一次。问题4NavMeshAgent在斜坡或台阶边缘“跳舞”不前进。原因NavMeshAgent的Base OffsetY轴偏移或角色碰撞体与NavMesh表面有间隙导致代理无法正确定位。解决调整NavMeshAgent组件的Base Offset值使代理的“脚”正好落在NavMesh表面上。确保角色模型的根节点位置在脚底或者正确设置NavMeshAgent的Center和Size使其与视觉模型匹配。检查斜坡角度是否超过了Max Slope设置。一个实用的调试技巧绘制路径无论是在自定义网格还是NavMesh系统中在OnDrawGizmos中绘制出计算出的路径用线条连接路径点是快速定位问题的最有效方法。眼见为实看到路径为什么绕远、为什么卡住比盲目猜测要高效一百倍。实现一个健壮、高效的寻路系统是游戏开发中的一项重要技能。从理解A*的原理到熟练运用Unity NavMesh再到能够根据项目需求定制自己的寻路方案这条学习路径充满了挑战但也极具成就感。我个人在开发策略游戏时曾为了优化上千单位的寻路性能将网格从精细的50x50合并为10x10的“区块”并实现了分层寻路帧率从15提升到了60。这其中的关键就是** profiling性能剖析**一定要用Unity的Profiler工具找到真正的性能瓶颈再进行有针对性的优化而不是盲目地重构代码。记住没有最好的方案只有最适合你当前项目需求的方案。
Unity游戏开发：从A*算法到NavMesh的自动寻路系统实现与优化
发布时间：2026/7/27 16:30:54
1. 项目概述从“点对点”到“智能决策”的跨越在游戏开发尤其是角色扮演、策略、模拟经营乃至开放世界游戏中一个让角色或单位能够自主、智能地从A点移动到B点的功能是构建沉浸感世界的基石。这个功能我们称之为“自动寻路”。它远不止是让角色动起来那么简单其核心挑战在于如何在复杂多变的地形、障碍物和动态环境中计算出最短或最优的移动路径并让角色平滑、自然地沿此路径行进。Unity作为当今最主流的游戏开发引擎之一其强大的组件系统和丰富的生态系统为我们实现这一功能提供了多种可能。但面对琳琅满目的方案——从内置的NavMesh到开源的A* Pathfinding Project再到手写算法——开发者常常会陷入选择困难究竟哪种方案最适合我的项目性能开销如何遇到动态障碍怎么办今天我们就来深入拆解在Unity中实现“最短路径自动寻路”的完整方案。我不会只给你一个现成的插件链接而是会带你从原理出发理解寻路算法的核心思想然后对比分析Unity内置方案与主流第三方方案的优劣最后手把手带你实现一个兼顾性能与灵活性的寻路系统。无论你是刚接触Unity的新手还是希望优化现有寻路逻辑的老手这篇文章都将为你提供从理论到实践的完整路线图。2. 寻路核心原理与算法选型在动手写代码之前我们必须先理解寻路问题的本质。它本质上是一个图搜索问题。我们可以把游戏世界离散化为一个由“节点”和“边”构成的图。节点代表可行走的点如网格中心、导航网格的三角形边代表节点之间可通行的连接每条边有一个“代价”通常是距离也可以是地形难度、危险系数等。寻路的目标就是在这样的图中找到从起点节点到终点节点之间总代价最小的路径。2.1 广度优先搜索与深度优先搜索基础的探索最直观的想法是“地毯式搜索”。广度优先搜索从起点开始先探索所有相邻节点再探索这些相邻节点的相邻节点以此类推像水波一样扩散。它保证找到的路径是最短步数的如果每条边代价相同但效率很低会探索大量无关区域。深度优先搜索则是一条路走到黑碰壁再回溯。它不保证找到最短路径在寻路中很少直接使用。这两种算法虽然简单但为更高效的算法奠定了基础。它们揭示了寻路需要一种系统化的方式来探索和记录节点。2.2 Dijkstra算法确保最优的“保守派”Dijkstra算法是寻找单源最短路径的经典算法。它维护一个“待探索节点集合”每次都从集合中取出当前已知距离起点最短的节点进行探索并更新其邻居节点的最短距离估计。算法核心步骤将起点加入待探索集合距离设为0。从待探索集合中取出距离最小的节点称为当前节点。遍历当前节点的所有邻居节点计算从起点经过当前节点到达该邻居的新距离。如果新距离小于邻居当前记录的距离则更新邻居的距离并将当前节点记录为邻居的“父节点”即从哪来的。将当前节点标记为已探索。重复步骤2-4直到终点被标记为已探索或待探索集合为空表示不可达。Dijkstra算法保证找到全局最优解总代价最小但它像是一个谨慎的保守派会均等地向所有方向探索直到覆盖所有可能比当前路径更优的节点因此在空旷或目标较远时效率不高。2.3 A* 算法启发式搜索的“效率王者”A* 算法是对Dijkstra算法的革命性改进它引入了“启发式函数”的概念成为了游戏寻路事实上的标准。启发式函数H(n)用于估算从当前节点n到终点的预计代价。最常用的启发式是欧几里得距离或曼哈顿距离。A* 为每个节点计算一个F值F(n) G(n) H(n)。其中G(n)从起点到节点n的实际代价。H(n)从节点n到终点的估计代价启发值。算法核心步骤与Dijkstra类似但关键区别在F值将起点加入待探索集合通常用优先队列按F值排序计算其F值。从待探索集合中取出F值最小的节点作为当前节点。如果当前节点是终点则回溯路径算法结束。遍历当前节点的邻居计算每个邻居的G值和F值。如果邻居不在任何集合中或找到更小的G值则更新其G、F值和父节点并将其加入/重新加入待探索集合。将当前节点移入已探索集合。重复步骤2-6直到找到终点或待探索集合为空。为什么A*更高效启发式函数H(n)起到了“引导”作用。它让算法优先探索那些看起来更接近终点的方向大大减少了搜索范围。只要启发式函数是“可采纳的”即永远不会高估实际代价A* 就能保证找到最短路径。它完美平衡了探索的“广度”和目标的“导向性”。注意启发式函数的选择至关重要。在标准的正方形网格中使用对角线距离切比雪夫距离或欧几里得距离通常效果很好。如果你的世界移动方式受限如只能上下左右则应使用曼哈顿距离。一个高估的启发式会导致A* 找不到最短路径而一个低估的启发式可采纳的虽然保证最优但低估得越多算法会越保守效率会向Dijkstra退化。Unity中的选择对于绝大多数游戏A算法是性能与效果的最佳平衡点*。Unity内置的NavMesh系统底层也使用了基于导航网格的A* 变种。因此我们的实现将围绕A* 算法展开。3. Unity内置寻路方案NavMesh深度解析Unity提供了开箱即用的导航系统核心是NavMesh导航网格。它不是一个基于格子Grid的系统而是将可行走区域划分为凸多边形通常是三角形的网格。这种方式更贴合3D场景的实际几何形状内存效率高且能天然处理斜坡、不规则地形。3.1 NavMesh的构建流程与关键参数使用NavMesh的第一步是“烘焙”。你需要在场景中标记静态的可行走地面和障碍物。标记导航静态选中场景中所有不动的、参与寻路计算的物体如地面、墙壁、台阶在Inspector窗口右上角点击“Static”下拉菜单勾选“Navigation Static”。对于明确是障碍物的物体如石头、树木也需要标记。打开导航窗口Window AI Navigation。烘焙设置Agents页签Agent Radius角色半径。这个值会从可行走区域边缘“收缩”确保路径足够宽角色不会卡进墙角。如果你的角色体积较大务必调大此值。Agent Height角色高度。用于判断可以通过的门洞、低矮通道。Max Slope最大爬坡角度。超过此角度的斜坡将被视为不可行走。Step Height可跨越台阶高度。角色可以自动走上低于此高度的台阶实现上下楼梯的效果。烘焙Bake页签设置好参数后点击“Bake”按钮。Unity会扫描所有标记为Navigation Static的物体生成蓝色的导航网格区域。实操心得烘焙前的场景准备合并网格对于大量小物体如碎石堆先合并成一个Mesh可以极大加快烘焙速度和减少NavMesh数据量。使用NavMesh Modifier这个组件可以覆盖物体的全局静态设置。例如一个平台你希望角色可以走上去但它本身是动态生成的无法标记为Static。你可以给它添加NavMeshModifier组件设置其Area Type如Walkable然后在烘焙时勾选“Generate Links”相关选项需Unity较新版本或在运行时使用NavMeshBuilder动态更新NavMesh。分层烘焙对于复杂场景可以烘焙多个不同参数的NavMesh如给人类、巨人、车辆分别烘焙通过Area区域类型来区分。3.2 使用NavMeshAgent实现自动移动烘焙好NavMesh后让角色动起来非常简单。添加组件给需要寻路的角色GameObject添加NavMeshAgent组件。关键参数配置Speed/ Angular Speed/ Acceleration移动、转向和加速度控制角色的运动手感。Stopping Distance停止距离。在距离目标多远处开始减速停止。设置一个较小值如0.1可以让角色更贴近目标点。Auto Braking是否自动刹车。如果关闭角色到达目标点后会因惯性滑过适合RTS单位。Obstacle Avoidance避障质量。用于处理动态的小型障碍物如其他移动的角色。高质量避障计算量更大。脚本控制在代码中设置目标点即可。using UnityEngine; using UnityEngine.AI; // 引入AI命名空间 public class SimpleNavAgent : MonoBehaviour { private NavMeshAgent agent; void Start() { agent GetComponentNavMeshAgent(); } void Update() { // 示例点击鼠标右键移动 if (Input.GetMouseButtonDown(1)) { Ray ray Camera.main.ScreenPointToRay(Input.mousePosition); RaycastHit hit; if (Physics.Raycast(ray, out hit)) { // 核心代码设置目标点 agent.SetDestination(hit.point); } } } }NavMesh的优缺点分析优点集成度高易用无需手动处理网格划分与Unity物理、动画系统集成好。路径平滑基于多边形的路径天生比网格路径更平滑。动态避障通过NavMeshObstacle组件可以处理简单的动态障碍。区域与代价可以给不同区域如草地、沼泽、道路设置不同的移动代价实现更智能的寻路。缺点动态更新成本高如果场景结构发生巨大变化如桥梁被炸毁需要重新烘焙或部分更新NavMesh这在运行时可能造成卡顿。对不规则移动支持弱对于飞行单位、无视地形的单位需要特殊处理。“黑盒”程度高底层算法和细节控制相对有限定制复杂行为如队列行进、战术编队比较困难。4. 自主实现A*网格寻路系统当NavMesh的灵活性无法满足需求时例如你需要极致的性能控制、特定的网格逻辑、或者开发2D游戏自主实现一个基于网格的A*寻路系统就非常有必要。下面我们一步步构建一个基础但完整的系统。4.1 网格数据结构的构建首先我们需要一个数据结构来表示游戏世界中的网格。using System.Collections.Generic; using UnityEngine; public class GridSystem : MonoBehaviour { public LayerMask unwalkableMask; // 不可行走区域的图层 public Vector2 gridWorldSize; // 网格覆盖的世界大小 public float nodeRadius; // 每个节点的半径决定了节点间距 private float nodeDiameter; private Node[,] grid; // 二维数组存储所有节点 private int gridSizeX, gridSizeY; // 定义节点类 public class Node { public bool walkable; // 是否可行走 public Vector3 worldPosition; // 节点的世界坐标 public int gridX, gridY; // 节点在网格中的索引 public int gCost; // 从起点到本节点的代价 public int hCost; // 从本节点到终点的启发代价 public int fCost { get { return gCost hCost; } } // 总代价 public Node parent; // 路径回溯用的父节点 public Node(bool _walkable, Vector3 _worldPos, int _gridX, int _gridY) { walkable _walkable; worldPosition _worldPos; gridX _gridX; gridY _gridY; } } void Awake() { nodeDiameter nodeRadius * 2; // 计算网格在X和Y方向上有多少个节点 gridSizeX Mathf.RoundToInt(gridWorldSize.x / nodeDiameter); gridSizeY Mathf.RoundToInt(gridWorldSize.y / nodeDiameter); CreateGrid(); } void CreateGrid() { grid new Node[gridSizeX, gridSizeY]; Vector3 worldBottomLeft transform.position - Vector3.right * gridWorldSize.x / 2 - Vector3.forward * gridWorldSize.y / 2; for (int x 0; x gridSizeX; x) { for (int y 0; y gridSizeY; y) { // 计算每个节点的世界坐标 Vector3 worldPoint worldBottomLeft Vector3.right * (x * nodeDiameter nodeRadius) Vector3.forward * (y * nodeDiameter nodeRadius); // 使用物理检测判断该点是否可行走 bool walkable !(Physics.CheckSphere(worldPoint, nodeRadius, unwalkableMask)); grid[x, y] new Node(walkable, worldPoint, x, y); } } } // 根据世界坐标获取对应的节点 public Node NodeFromWorldPoint(Vector3 worldPosition) { float percentX (worldPosition.x gridWorldSize.x / 2) / gridWorldSize.x; float percentY (worldPosition.z gridWorldSize.y / 2) / gridWorldSize.y; // 注意在Unity中forward对应的是Z轴 percentX Mathf.Clamp01(percentX); percentY Mathf.Clamp01(percentY); int x Mathf.RoundToInt((gridSizeX - 1) * percentX); int y Mathf.RoundToInt((gridSizeY - 1) * percentY); return grid[x, y]; } // 获取一个节点的所有邻居8方向 public ListNode GetNeighbours(Node node) { ListNode neighbours new ListNode(); for (int x -1; x 1; x) { for (int y -1; y 1; y) { if (x 0 y 0) continue; // 跳过自身 int checkX node.gridX x; int checkY node.gridY y; // 检查索引是否在网格范围内 if (checkX 0 checkX gridSizeX checkY 0 checkY gridSizeY) { neighbours.Add(grid[checkX, checkY]); } } } return neighbours; } }这个GridSystem类在场景中创建一个覆盖指定区域的网格并根据物理检测初始化每个节点的walkable状态。NodeFromWorldPoint方法将鼠标点击的世界坐标转换为网格节点这是寻路的起点。4.2 A* 算法的核心实现接下来我们实现寻路管理器它包含A*算法的核心逻辑。public class Pathfinding : MonoBehaviour { private GridSystem grid; // 引用上面创建的网格系统 void Awake() { grid GetComponentGridSystem(); } // 寻路主函数 public ListVector3 FindPath(Vector3 startPos, Vector3 targetPos) { Node startNode grid.NodeFromWorldPoint(startPos); Node targetNode grid.NodeFromWorldPoint(targetPos); // 如果起点或终点不可行走直接返回空路径 if (!startNode.walkable || !targetNode.walkable) { Debug.LogWarning(起点或终点不可达); return new ListVector3(); } // 开放集合和关闭集合 HeapNode openSet new HeapNode(grid.MaxSize); // 使用堆优化获取最小F值节点的速度 HashSetNode closedSet new HashSetNode(); openSet.Add(startNode); while (openSet.Count 0) { Node currentNode openSet.RemoveFirst(); // 取出F值最小的节点 closedSet.Add(currentNode); // 找到目标节点回溯生成路径 if (currentNode targetNode) { return RetracePath(startNode, targetNode); } // 遍历邻居 foreach (Node neighbour in grid.GetNeighbours(currentNode)) { // 如果邻居不可行走或已在关闭集合中跳过 if (!neighbour.walkable || closedSet.Contains(neighbour)) { continue; } // 计算从当前节点到邻居的新G值假设直线移动代价为10对角线为14 int newMovementCostToNeighbour currentNode.gCost GetDistance(currentNode, neighbour); // 如果新路径更优或者邻居还未在开放集合中 if (newMovementCostToNeighbour neighbour.gCost || !openSet.Contains(neighbour)) { neighbour.gCost newMovementCostToNeighbour; neighbour.hCost GetDistance(neighbour, targetNode); neighbour.parent currentNode; if (!openSet.Contains(neighbour)) openSet.Add(neighbour); else openSet.UpdateItem(neighbour); // 如果G值更新需要重新排序堆 } } } // 开放集合为空未找到路径 return new ListVector3(); } // 回溯路径从终点节点沿parent指针回溯到起点 ListVector3 RetracePath(Node startNode, Node endNode) { ListNode path new ListNode(); Node currentNode endNode; while (currentNode ! startNode) { path.Add(currentNode); currentNode currentNode.parent; } path.Add(startNode); path.Reverse(); // 反转变成从起点到终点 // 将节点列表简化为关键拐点路径点的世界坐标列表 ListVector3 waypoints SimplifyPath(path); return waypoints; } // 路径简化去除共线的中间点只保留拐点 ListVector3 SimplifyPath(ListNode path) { ListVector3 waypoints new ListVector3(); Vector2 directionOld Vector2.zero; for (int i 1; i path.Count; i) { // 计算当前路径段的方向 Vector2 directionNew new Vector2(path[i-1].gridX - path[i].gridX, path[i-1].gridY - path[i].gridY); if (directionNew ! directionOld) { // 方向改变说明是拐点添加前一个点的位置 waypoints.Add(path[i-1].worldPosition); } directionOld directionNew; } // 别忘了添加终点 waypoints.Add(path[path.Count - 1].worldPosition); return waypoints; } // 计算两个节点之间的启发式代价这里使用对角线距离 int GetDistance(Node nodeA, Node nodeB) { int dstX Mathf.Abs(nodeA.gridX - nodeB.gridX); int dstY Mathf.Abs(nodeA.gridY - nodeB.gridY); if (dstX dstY) return 14 * dstY 10 * (dstX - dstY); // 14是√2的近似值乘以10 return 14 * dstX 10 * (dstY - dstX); } }代码解析与优化点Heap堆优化开放集合openSet使用最小堆数据结构可以将每次获取F值最小节点的时间复杂度从O(n)降低到O(log n)对于大型网格寻路性能提升巨大。你需要额外实现一个泛型HeapT类。路径简化SimplifyPath函数将一系列连续的网格节点简化为关键拐点路径点。这非常重要因为让角色逐格移动会显得非常僵硬和低效。简化后角色只需在这些路径点之间直线移动。代价计算GetDistance函数实现了对角线距离切比雪夫距离的变种它允许角色沿8个方向移动比仅4方向更自然。直线代价设为10对角线代价设为14约等于10*√2保持了距离比例。4.3 角色移动与路径跟随计算出路径点ListVector3后我们需要一个脚本来让角色沿着这些点移动。public class Unit : MonoBehaviour { public float speed 5f; public float turnSpeed 3f; public float pathUpdateMoveThreshold .5f; // 移动超过此距离才重新寻路 public float waypointTolerance 0.1f; // 到达路径点的判定距离 private Pathfinding pathfinding; private ListVector3 path; private int targetWaypointIndex; private Vector3 currentWaypoint; void Start() { pathfinding FindObjectOfTypePathfinding(); // 简单查找生产环境建议用依赖注入 } public void MoveTo(Vector3 destination) { path pathfinding.FindPath(transform.position, destination); if (path ! null path.Count 0) { targetWaypointIndex 0; currentWaypoint path[0]; StopCoroutine(FollowPath); StartCoroutine(FollowPath); } } IEnumerator FollowPath() { while (true) { if (path null || path.Count 0) yield break; Vector3 currentPos transform.position; // 检查是否到达当前路径点 if (Vector3.Distance(currentPos, currentWaypoint) waypointTolerance) { targetWaypointIndex; if (targetWaypointIndex path.Count) { // 到达终点 path null; yield break; } currentWaypoint path[targetWaypointIndex]; } // 计算移动方向和旋转 Vector3 direction (currentWaypoint - currentPos).normalized; Quaternion lookRotation Quaternion.LookRotation(new Vector3(direction.x, 0, direction.z)); // 忽略Y轴旋转 transform.rotation Quaternion.Slerp(transform.rotation, lookRotation, Time.deltaTime * turnSpeed); transform.Translate(direction * speed * Time.deltaTime, Space.World); yield return null; // 每帧执行一次 } } // 可视化路径在OnDrawGizmos中绘制 void OnDrawGizmos() { if (path ! null) { for (int i targetWaypointIndex; i path.Count; i) { Gizmos.color Color.black; Gizmos.DrawCube(path[i], Vector3.one * 0.2f); if (i targetWaypointIndex) Gizmos.DrawLine(transform.position, path[i]); else Gizmos.DrawLine(path[i - 1], path[i]); } } } }这个Unit脚本提供了基础的路径跟随功能包括转向插值和逐帧移动。你可以将其挂载到任何需要寻路的游戏对象上并通过调用MoveTo方法触发寻路和移动。5. 高级优化与功能扩展一个基础的寻路系统已经完成但要投入实际项目还需要考虑更多。5.1 性能优化策略寻路尤其是频繁或多人同时寻路时是CPU密集型操作。分帧寻路不要在同一帧为几十个单位同时寻路。可以使用一个寻路管理器PathRequestManager将寻路请求放入队列每帧处理固定数量如2-4个分摊计算压力。路径缓存对于静态场景很多起点-终点对是固定的如NPC的巡逻点。可以缓存计算过的路径下次直接使用。简化网格在满足游戏精度的前提下使用尽可能大的nodeRadius即更稀疏的网格能指数级减少搜索节点数。使用更高效的数据结构如前所述使用堆Heap管理开放集合。使用HashSet管理关闭集合保证Contains操作为O(1)。局部避障A*负责全局路径规划对于路径上的小型动态障碍如其他移动的单位可以在Unit移动时使用简单的物理检测如Raycast或OverlapSphere进行局部避让或短暂等待避免频繁重新寻路。5.2 动态障碍物与分层寻路动态障碍物对于会移动或临时出现的障碍如打开的门、被推开的箱子我们的网格系统需要更新。可以在障碍物上挂载一个脚本当其状态改变时调用GridSystem的某个方法更新其覆盖范围内所有节点的walkable状态。注意这需要高效的局部网格更新算法。分层寻路HPA*对于超大型地图将网格划分为多个“簇”Chunk。先在粗粒度簇与簇之间上进行寻路找到簇的序列再在每个簇内部进行精细寻路。这能极大减少单次A*搜索的节点数量。Unity的NavMesh在某种程度上也采用了分层思想。不同地形代价在Node类中增加一个movementPenalty字段。在CreateGrid时可以通过射线检测地面的Tag或Layer为不同地形如沼泽、道路的节点设置不同的惩罚值。在计算G值时不是简单加10或14而是加上movementPenalty。这样寻路算法就会自动偏好走道路而非沼泽。5.3 与Unity生态的整合A* Pathfinding Project如果你不想从头造轮子又需要比NavMesh更强大的网格寻路功能那么A* Pathfinding Project这个第三方资产几乎是行业标准。它提供了极其丰富和优化的功能多种图类型支持网格图、点阵图、递归图、NavMesh图适应各种需求。多线程寻路将寻路计算放到其他线程完全不阻塞主游戏线程。本地规避Local Avoidance内置成熟的RVO互逆速度障碍避障算法让大量单位自然流畅地相互避让不会挤成一团。丰富的移动脚本提供AIPath、RichAI等组件支持沿路径移动、连接动画、动态调整速度等。强大的扫描与更新支持运行时动态更新图形处理可破坏场景。实操心得何时选择APathfinding Project* 如果你的项目是2D游戏或者需要大量单位如RTS中上百个单位的复杂寻路和避障或者你需要对寻路过程有非常精细的控制如自定义启发式、路径修改回调那么投资这个资产是非常值得的。它的学习曲线比NavMesh陡峭但灵活性和上限也高得多。6. 常见问题排查与实战技巧在实际开发中你肯定会遇到各种稀奇古怪的寻路问题。这里记录一些典型的“坑”和解决方法。问题1角色在拐角处卡住或抖动。原因路径点过于密集或者角色的碰撞体与障碍物发生了穿透。解决确保waypointTolerance路径点容差设置合理不要太小。在路径简化算法中可以增加一个最小拐角角度判断避免生成过于接近的点。检查角色的Collider半径和网格的nodeRadius。角色半径应略小于节点半径否则角色会认为自己无法通过两个可行走节点之间的缝隙。一个经验法则是角色碰撞体半径 nodeRadius * 0.9。对于NavMeshAgent检查Agent Radius和障碍物的碰撞体是否匹配。问题2寻路结果很奇怪绕远路或穿墙。原因网格数据walkable状态不正确或者启发式函数有问题。解决可视化调试在GridSystem的OnDrawGizmos中绘制网格用颜色区分可行走绿色和不可行走红色节点。一眼就能看出烘焙区域是否正确。检查碰撞层LayerMask确保unwalkableMask正确设置了所有障碍物所在的层。检查物理检测Physics.CheckSphere使用的nodeRadius是否合适太小会漏检障碍太大会把宽敞区域误判为不可行走。可以用Gizmos.DrawWireSphere在Scene视图查看检测范围。检查启发式确保你的GetDistance函数对于你的移动方式是合理的4方向用曼哈顿8方向用对角线距离。问题3大量单位寻路时游戏卡顿。原因CPU被寻路计算占满。解决立即实施分帧寻路。考虑使用APathfinding Project*它内置了多线程支持。优化网格大小在视觉可接受的范围内使用更少的节点。对于非紧急的寻路如远处NPC的巡逻降低其寻路频率如每2秒寻路一次。问题4NavMeshAgent在斜坡或台阶边缘“跳舞”不前进。原因NavMeshAgent的Base OffsetY轴偏移或角色碰撞体与NavMesh表面有间隙导致代理无法正确定位。解决调整NavMeshAgent组件的Base Offset值使代理的“脚”正好落在NavMesh表面上。确保角色模型的根节点位置在脚底或者正确设置NavMeshAgent的Center和Size使其与视觉模型匹配。检查斜坡角度是否超过了Max Slope设置。一个实用的调试技巧绘制路径无论是在自定义网格还是NavMesh系统中在OnDrawGizmos中绘制出计算出的路径用线条连接路径点是快速定位问题的最有效方法。眼见为实看到路径为什么绕远、为什么卡住比盲目猜测要高效一百倍。实现一个健壮、高效的寻路系统是游戏开发中的一项重要技能。从理解A*的原理到熟练运用Unity NavMesh再到能够根据项目需求定制自己的寻路方案这条学习路径充满了挑战但也极具成就感。我个人在开发策略游戏时曾为了优化上千单位的寻路性能将网格从精细的50x50合并为10x10的“区块”并实现了分层寻路帧率从15提升到了60。这其中的关键就是** profiling性能剖析**一定要用Unity的Profiler工具找到真正的性能瓶颈再进行有针对性的优化而不是盲目地重构代码。记住没有最好的方案只有最适合你当前项目需求的方案。
