我目前正在编写一个基本的平台游戏，其想法是学习 2D 游戏开发的基本模式。其中之一是惊人的 A Star Pathfinding。在阅读和研究了几篇文章之后（其中两篇最好：http ://www.policyalmanac.org/games/aStarTutorial.htm和 http://theory.stanford.edu/~amitp/GameProgramming/Heuristics.html# S7 )、教程和源代码，我使用曼哈顿方法做了一个简单的 A Star Pathfinding，非常适合我的个人学习过程。
下一步也是合乎逻辑的步骤是在平台场景中执行相同的操作，NPC 必须跳过或爬梯子才能到达目标。我发现这些截屏视频http://www.youtube.com/watch?v=W2xoJfT6sek和https://www.youtube.com/watch?v=Bc7tu-KwfoU完美地展示了我想做的事情。
目前我还没有找到任何资源来解释实现它的方法。有人可以给我一个可以合作的起点吗？
提前致谢
据我所知，跳跃/梯子的唯一区别是它们会影响可能的运动。因此，您的算法所要做的就是考虑角色可以和不能移动到的位置，以及移动到那里的成本（如果您正在实施）。
我没有任何适合示例的干净 A* 代码，但让我在实现 A* 时给你一些指示。
首先，我经常发现在教程中被忽略的最基本技巧是使用优先级队列。
每当您生成可能的移动状态时，将它们放入优先级队列中，优先级是该移动状态的启发式值。这将 A* 与 DFS（使用堆栈和回溯）或简单的贪心寻路（相对于当前状态简单地进入最佳状态）区分开来。
接下来，请注意这些指示！我不知道你会用什么语言来实现它，但即使你用某种抽象指针的语言（不像 C）来实现它，你也必须理解deep copy与 plain shallow copy的概念。我记得我第一次做 A*（在 Python 中）时并没有注意这一点。我的状态被反复覆盖导致不可预测的行为。原来我没有做深拷贝！
也就是说，根据您所考虑的任务的复杂程度，所有这些深层副本可能会使您的记忆变得混乱。虽然良好的内存管理会有所帮助，但对于需要实际性能的大问题实例，我倾向于只使用迭代加深 A*，以便在每次迭代之后，我可以整理我的内存。