游戏行业的高速发展促使了游戏人工智能技术的新变革。面向游戏地图的寻径算法一直是研究‘游戏人工智能的热点和基本问题之一,而A*算法是目前游戏地图寻径中使用最广泛的算法,是解决寻径问题最有效的启发式搜索算法。A*算法在不同的数据结构影响下会有明显的搜索效率差异,启发函数的设计对A*算法的运行速度也会呈现出不同的影响。目前对A*算法的研究大多是理论方面的工作,而有关A*算法在实际的游戏项目中的应用研究较少,这是当前游戏地图寻径算法的一个值得研究的内容。本文首先根据A*算法的性质,提出带有标志位的搜索节点的数据结构,使用最小二元堆来实现OPEN表,并通过仿真实验程序和数据图表进行对比研究。利用A*算法评估函数的特点,提出带有权重的启发函数,进而提高寻径算法的搜索效率。其次,结合寻径算法的实际应用,利用导航网格简化复杂庞大的游戏地图,缩小A*算法的搜索状态空间；提出分时路径搜索,使用路径拼接法处理动态障碍物,并为评估函数引入地形代价的计算,以提高游戏地图寻径的真实性。最后,本文使用Cocos2d-X游戏引擎设计和开发了一个游戏地图寻径的演示程序。实验结果证明,A*算法使用带有标志位的搜索数据结构比不使用标志位的在搜索效率上要快3-22倍；使用最小二元堆实现OPEN表比使用数组可以减少40%-60%的寻径时间；带权的启发函数能对部分地图减少40%左右需要扩展的节点数。在游戏地图寻径实际应用中,寻径算法在复杂的地图环境下也能保持不错的搜索效率,并能避开动态障碍物和计算出新的路径,且所搜索的最优路径更符合实际的游戏地图环境。