大型图形的A *算法，对缓存快捷方式有何想法？
我正在OpenStreetMap地图上编写快递/后勤仿真，并且已经意识到，如下图所示的基本A *算法对于大型地图（例如大伦敦）来说不够快。 绿色节点对应于放置在开放集/优先级队列中的节点，由于数量巨大（整个地图大约为1-2百万），因此需要5秒钟左右的时间才能找到所描绘的路线。不幸的是，每条路线100ms大约是我的绝对极限。 当前，节点既存储在邻接表中，又存储在空间100x100 2D数组中。 我正在寻找可以权衡预处理时间，空间以及必要时优化路线以加快查询速度的方法。根据探查器，用于启发式成本的直线Haversine公式是最昂贵的函数-我已尽我所能优化了基本A *。 例如，我在考虑，如果我从2D数组的每个象限中选择一个任意的节点X并在每个象限之间运行A *，我可以将路由存储到磁盘以进行后续仿真。查询时，我只能在象限中运行A *搜索，以在预先计算的路径和X之间进行搜索。 是否有我上面描述的更完善的版本，或者也许是我应该采用的其他方法。非常感谢！ 为了记录在案，以下是一些基准测试结果，用于任意加权启发式成本并计算10对随机选取的节点之间的路径： Weight // AvgDist% // Time (ms) 1 1 1461.2 1.05 1 1327.2 1.1 1 900.7 1.2 1.019658848 196.4 1.3 1.027619169 53.6 1.4 1.044714394 33.6 1.5 1.063963413 25.5 1.6 1.071694171 24.1 1.7 1.084093229 24.3 1.8 1.092208509 22 1.9 1.109188175 …