自动寻路A*算法的应用及优化设计

自动寻路A*算法是富互联网应用(RIA)游戏制作过程中的核心算法,解决了地图中两点之间寻路的问题,应用于很多游戏中.对A*寻路算法的实现方法进行了研究和探讨,并对该算法进行了优化设计,体现了该算法的功能,最后对其应用前景进行了展望.     

动态障碍的A*算法及其实现

A*算法作为人工智能中一种普遍而重要的启发式搜索算法,主要广泛应用在最短路径的搜索,特别是游戏设计中的路径搜索。游戏设计中较注重算法的速度和效率,不仅要在静态障碍物的情况下寻找最佳路径,还要在动态障碍物的情况下寻找最佳路径。动态障碍物环境下的寻路实现在现实应用中也是十分关键的。本文主要介绍了A*算法的历史、作用和方法及系统开发环境及工具,并在静态障碍物环境下和动态障碍物环境下,分别介绍了A*算法的实现。     

A~*算法在游戏寻径中的应用

图搜索技术能够从图中寻找一条从起点到目标点的路径.围绕游戏寻径问题,介绍了如何确定启发式函数进行启发式搜索,并把A*算法用程序加以实现,从而证明A*算法可以解决游戏中的寻径问题.     

利用跳点搜索算法加速A*寻路

介绍广泛应用于游戏寻路中的标准A*算法,指出跳点搜索(JPS)算法使A*生成并扩展的节点数量很少,而且到达目标的速度很快.因为跳点搜索能够消除路径间的对称性,通过在直线和对角线方向上修剪节点来识别后继,在搜索时跳过了大量可能会添加到open列表和closed列表中的中间节点以及其他计算,这使搜索速度有了很大提升.在5个基准网格地图上测试A*+JPS对A*的相对加速比,实验结果表明:跳点搜索可将标准A*搜索的速度提高一个数量级甚至更多,并且速度收益的程度取决于基础网格地图的地貌,对于大的开放区域,跳点搜索更加高效.另外,跳点搜索对A*在节点扩展数量上的改进甚至比搜索时间的改进更加显著.无论从搜索时间还是从节点扩展数量上,A*+JPS都明显优于A*,利用跳点搜索算法可显著加速A*寻路.     

IDA＊和边缘搜索算法的研究

图搜索技术在游戏编程中无处不在。图搜索方法已经成为游戏AI的基础。在游戏AI中。A＊是最常见的寻路搜索算法。本文对这个算法进行了延伸、扩展和修改,形成了IDA＊和边缘搜索算法,有效地提高了搜索速度,并获得内存上的最小开销。     

基于DAF算法的地图寻径研究

本文融合Delaunay Triangulation算法,A*算法以及Funnel算法的优点,提出了DAF算法,并将其应用于网络游戏的地图寻径中,解决了地图信息获取不便捷和搜索路径比较弯折的问题,得出一条最优路径。计算机仿真结果表明DAF算法提高了搜索效率和路径的平滑程度。     

基于改进A*算法的燃气微泄漏四足巡检机器人路径规划

针对四足机器人在城市燃气微泄漏巡检中路径规划的需求,提出了一种基于改进A*算法的四足机器人燃气巡检路径获取方法。首先,采用网格法构建了四足机器人的二维工作地图。然后改进A*算法的启发函数,引入了自适应调整策略,让搜索节点减少且路径更不易陷入局部最优。最后从路径长度、平均搜索时间、搜索节点个数三个性能方面进行评估,改进A*算法达到了预期效果。使用Matlab2016b作为仿真软件,仿真结果显示,改进A*算法完成了寻路任务。与经典A*算法相比,改进算法的平均搜索时间降低了52.13%,搜索节点个数减少了30.23%。该算法在尺寸200×200以下地图的路径规划中具有较高的搜索效率。     

基于改进A*算法的地图游戏寻径研究

【目的】对 A*算法进行研究和改进优化,以提高基于 A*算法的地图游戏寻径效率。【方法】使用最小二叉堆和标记数组两种混合数据结构优化OPEN表的存储和遍历,用夹角余弦值作为新的启发信息,减少搜索过程中对非最有节点的考察量,通过仿真实验对标准 A*算法、改进 A*算法地图寻径进行数据对比分析。【结果】综合地提高了路径搜索的效率。【结论】通过对 A*算法进行改进优化,有效提高了基于 A*算法的地图游戏寻径效率。
     

GIS领域最短路径算法初探

最短路径是GIS领域的主要问题之一,本文从静态最短路径算法和动态最短路径算法两个方面对GIS中最短路径理论和实现算法进行了分析和研究,比较了各自特点及适用条件,初步探讨了Dijkstra,A*,D*等典型的寻路算法.     

四国军棋游戏中搜索算法的实验与分析

详细分析了四国军旗智能系统中使用的5种主流博弈算法(Alpha-Beta算法、Aspiration算法、PVS算法、SSS*算法和MT-SSS*算法),并通过实验对5种算法性能进行比较.提出了在四国军旗游戏中使用集成搜索思想,即在四国军旗智能系统中开局使用Aspiration搜索算法,中后局采用MT-SSS*算法.     

基于Petri网与改进A星搜索算法的矿井机车调度优化

为了提高煤矿井下机车调度效率、防止机车碰撞、堵塞,根据井下调度特点建立了机车运行赋时Petri网模型。针对原有启发式A*搜索算法存在的易陷入局部最优的缺点,提出了基于petri网的并发变迁遴选算法,引入变迁并发度概念,与启发式A*搜索算法相结合,得到改进的A*搜索算法。经过改进后算法的回溯计算,得到Petri可达图上的最佳路径,从而得出最优调度策略。根据以上算法进行MATLAB建模,最终仿真结果表明,经过改进的启发式A*搜索算法有效的避免了陷入局部最优解,其计算得出的调度路径及调度策略资源消耗量最少,调度效率较高且未出现机车堵塞碰撞等问题。     

Path planning based on sliding window and variant A*algorithm for quadruped robot

In order to improve the adaptability of the quadruped robot in complex environments , a path planning method based on sliding window and variant A * algorithm for quadruped robot is presen-ted .To improve the path planning efficiency and robot security , an incremental A*search algorithm ( IA*) and the A*algorithm having obstacle grids extending ( EA*) are proposed respectively .The IA* algorithm firstly searches an optimal path based on A * algorithm, then a new route from the current path to the new goal projection is added to generate a suboptimum route incrementally .In comparison with traditional method solving path planning problem from scratch , the IA* enables the robot to plan path more efficiently .EA* extends the obstacle by means of increasing grid g-value, which makes the route far away from the obstacle and avoids blocking the narrow passage .To navi-gate the robot running smoothly , a quadratic B-spline interpolation is applied to smooth the path . Simulation results illustrate that the IA* algorithm can increase the re-planning efficiency more than 5 times and demonstrate the effectiveness of the EA * algorithm.     

两种改进的最优路径规划算法

在对经典Dijkstra算法和A*算法分析的基础上对它们分别进行了改进.在经典Dijkstra算法中,针对当前不相连节点间路径长度为无穷大这一特点,首先对两个节点是否相连进行判断;若发现两个节点并不相连时,则舍去相应计算,从而减小计算量.针对A*算法在实际应用中搜索效率低的缺点,将经典A*算法搜索出的原始最优路径中的节点依次进行封堵后,再按照经典A*算法搜索出相应的新最优路径,最后再将原始最优路径与这些新最优路径进行对比,以便确定最终的最优路径.仿真研究表明:改进的Dijkstra算法可以减少大量的无关节点计算,提高运算的效率;改进的A*算法则可以提高搜索到最优路径的成功率.     

PRM蚁群融合算法的AGV路径规划研究

针对AGV运货时需一次性取多件货物的路径规划问题,提出一种PRM算法与蚁群算法相结合的融合算法,将问题拆分为路径的选择与TSP问题分布解决,即先利用PRM算法进行AGV路径规划,再利用蚁群算法决策出取货顺序,生成总的路径。最后采用matlab进行仿真实验,并与A*算法进行对比,结果证明了PRM蚁群融合算法比A*算法得出的路径更短、效率更高。     

健康投资对中国经济发展的影响研究——基于省级面板数据的空间计量检验

针对全局路径规划问题提出了一种改进的A*算法.首先,采用栅格方法建立环境模型,使用A*算法进行初步的路径规划.其次,针对A*算法规划的路径冗余点较多以及路径长度和转折角度较大的缺陷,提出将A*算法规划出的路径按较小的分割步长进行分割,得到一系列路径节点.最后,从起点开始依次用直线连接终点,当直线没有穿过障碍物时,则将中间路径点剔除,减小路径长度和转折角度.在仿真实验和实物实验中,分析和比较了本文算法与A*算法以及另一种改进A*方法.另外还研究了在不同障碍率、任务点数量和分割步长的情况下,本文算法与其他算法的优劣.结果表明,本文算法能有效地减小路径长度和转折角度.     

基于A*算法优化的无人水面艇路径规划

为了解决A*算法在无人水面艇路径规划中无约束条件导致的安全问题,提出一种对A*算法的搜索优化和平滑优化方法。首先,对电子海图数据中的海洋环境信息进行提取,采用栅格法建立路径搜索空间的海洋环境模型,并使用坐标对栅格统一编号;其次,引入安全距离约束对A*算法进行搜索优化;最后,通过引入转向角约束,消除冗余节点达到平滑优化的效果。实验结果表明,通过对A*算法的优化处理,提高了无人水面艇路径规划的安全性,满足无人水面艇在复杂环境中全局路径规划的需求。     

基于改进双向A星和向量场直方图算法的无人机航路规划

现代无人机的行驶环境复杂多变,对无人机的航路规划不仅要求路径最短,同时还要满足实时性以应对突发威胁。提出一种离线规划和在线避障结合的航路规划方法。首先利用改进的双向A*算法对已知环境进行离线规划,并提出基于碰撞检测的动态步长和双向去除冗余点方法,在不影响路径精度的同时,缩短离线规划时间和路径。在无人机按照离线路径行驶过程中,当规划路径中出现突发威胁,利用VFH算法进行实时避障;对避障算法设置子目标,使无人机完成避障后能迅速回到离线轨迹,不影响全局路径的最优性.仿真实验表明,所提方法规划的路径长度短、耗时少,并能有效避开突发威胁,充分结合了双向A*算法路径最优和VFH算法的快速实时避障性的优点。