AStar寻路1-实现基本功能  的性能优化篇

优化方法，因为为了查看代码的profiler，因此用Unity来实现图形化，VS的c#有性能测试工具，根据热点函数来寻找瓶颈点和优化策略。

通过VS的性能测试工具，得出了上篇的热点函数是排序相关和估值函数。

A星寻路得到的路径，大部分情况下不会是最短路径，但是肯定是接近最短路径，只有每次的估计值是真实最短路径的值，那么得出的才会是最短路径。

原因是A星选择的贪心策略存在的误差是估值得来的，而该点的f值只会计算一次会一直用到寻路点直到终点，而不会随时调整，然后排序。

因此A星的精度和速度和估值函数的算法很重要，常见的几种估值方法

1.曼哈顿距离法，目标点和垂直距离与纵向距离之和，

2.直线距离法，直接是2点的距离，缺点是开方CPU代价太大。但是得到的路径较为平滑，开销大概是曼哈顿的2倍左右

3.还有一种方法，综合了2和1的特点，基本思想是如下图的A到B点

搜索过程中，从空间来说，因为不确定是否存在路径，因此要保存完整的节点信息，最坏情况是没有路径，空间占用就是节点总数。重复寻路的话Node对象的复用避免new的频繁开销也是一个优化点

open表的排序从时间来说，每次插入操作都要保证open列表中是有序的，一种优化方案是使用二叉堆来保证open表的有序

通过数组实现，来快速索引节点在堆中的位置做插入操作

二叉堆的相关知识不在展开。