Dijkstra演算法和A*演算法都是最短路徑問題的常用演算法，下面就對這兩種演算法的特點進行一下比較：

1. Dijkstra演算法計算源點到其他所有點的最短路徑長度，A*關注點到點的最短路徑(包括具體路徑)。
2. Dijkstra演算法建立在較為抽象的圖論層面，A*演算法可以更輕鬆地用在諸如遊戲地圖尋路中。
3. Dijkstra演算法的實質是廣度優先搜尋，是一種發散式的搜尋，所以空間複雜度和時間複雜度都比較高。對路徑上的當前點，A*演算法不但記錄其到源點的代價，還計算當前點到目標點的期望代價，是一種啟發式演算法，也可以認為是一種深度優先的演算法。
4. 由第一點，當目標點很多時，A*演算法會帶入大量重複資料和複雜的估價函式，所以如果不要求獲得具體路徑而只比較路徑長度時，Dijkstra演算法會成為更好的選擇。

啟發函式的性質

那麼能不能綜合上面Dijkstra演算法得到最優解和貪心演算法速度快的特點，有更好的辦法呢？ 
【注意一下這個地方，Dijkstra演算法是適用於任何圖演算法找最短距離均可的，但是用到啟發式演算法的話，大部分情況下會是一個方格圖，因為只有方格圖才能比較好的估算從當前點到終點的距離】 
那麼我們可以先定義一個估算函式 

1. 先考慮極端情況， 如果h
   (n)=0的情況下，只有g(n)起作用，那麼A*演算法就是Dijkstra演算法。
2. 如果h(n)始終小於等於實際n點到終點的距離，那麼必然能夠保證A*演算法找的解就是最優解。而且h(n)越小，則A*擴充套件的節點也就越多，A*演算法執行的也就越慢。
3. 如果h(n)始終都等於實際n點到終點的距離，那麼A*演算法只會嚴格走從起點到終點的最短路徑。雖然這種情況一般不可能發生，當然一些特殊情況下會發生【比如沒有障礙物的情況】。
4. 如果h(n)有時候大於實際n點到終點的距離，那麼不能保證A*演算法能夠找到最短路徑
5. 另外一種極端情況，就是如果只有h(n)發揮作用，則A*演算法就相當於貪心演算法。