随着硬件水平的不断提升,目前电子游戏的音效和视觉效果都得到了较明显的提高和改善。但游戏人工智能的研究和应用却相对不完善,从而造成游戏中非玩家角色(NPC)的行动显得单调笨拙,影响游戏的品质。为了改善和提高游戏品质,人工智能技术成为了近几年游戏领域的热门研究课题。在电子游戏中,人工智能是一个既重要又多元的模块,而寻径算法是人工智能运用于游戏时最基本的问题之一。　　 A*算法是目前应用最广泛的人工智能寻径算法,它是一种启发式搜索算法,利用估价函数F(n)=G(n)+H(n)的返回值,选择估价值最小的节点,完成搜索,从而找到的是最优路径。本文针对寻径技术的特点,在对其进行对比研究的基础上,结合实际应用,对标准*A算法进行了一定程度的改进。改进分为两个方面:对于A*算法本身,改进估价函数增加了寻径角度的启发信息,减少地图节点的访问量,进而使用最小二叉堆优化OPEN表存储结构提高算法的运行效率;在应用方面,根据游戏地图的特点,在理论上证明了路径平滑解决方案的可行性,且设计了Floyd算法与改进的A*算法相结合的双层寻径方法,较大幅度的减少了寻径时间。　　 最后,本文使用Unity3D游戏开发引擎设计实验系统。实验结果证明,在估价函数中增加角度启发信息,可以减少16％的节点遍历数;使用最小二叉堆优化OPEN表存储结构,可以减少8％的寻径时间;在游戏地图中,双层寻径方法比标准A*算法具有运行效率上的优势,且地图规模越大,效果越明显。