A^＊算法在地图寻径中的应用

A^＊算法是比较流行的启发式搜索算法之一,被广泛应用于路径优化领域。本文介绍了A^＊算法,并以罗马尼亚地图寻径问题为例,应用A＊算法实现最优路径分析。     

A算法在游戏地图寻径中的几种改进策略研究

A^＊算法是目前游戏地图寻径中应用最广泛的算法。分析了A^＊算法,针对游戏开发指出了标准A^＊算法的不足,研究并提出了几种改进策略和编程实现的方法。实验结果表明,提出的改进方法确实提高了算法的搜索效率和路径的平滑程度,更加适合游戏开发。     

基于启发式策略的最短路径算法

在讨论经典Dijkstra算法和启发式策略算法（A^＊,矩形算法等）的基础上,提出一种基于Dijkstra算法的动态方向限制搜索算法用于求解道路网络中两节点之间最短路径．该算法结合人类的搜索思路和动态灵活的处理方式,对最短路径算法的搜索策略进行改进,动态改变搜索限制区域,减少计算时间．该算法不仅可以单独提高计算最短路径的效率,而且与其他算法结合起来还可取得更好的效果．实际结果证明动态方向限制搜索算法比经典Dijkstra算法减少近50％的搜索节点数和搜索时间．     

基于A^＊算法的机器人路径规划实现

A^＊算法是一种启发式搜索方法,即通连用一个比较特殊的估价函数使得在路径优化问题中得到较优方案。应用此算法实现机器人在规划空间中行走路径的选择,通过仿真表明,此算法能得到较优的路径选择策略,有利于机器人在规划空间的行走。     

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。     

SA算法为什么能克服计算量的指数爆炸

在树（或图）的搜索中，多数启发式搜索算法只利用了节点的局部信息。统计启发式搜索算法，利用了子树的全局性信息，从而使搜索效率有显著的提高。本文着重讨论从局部信息提取全局信息的问题，并从另外的角度进一步讨论关于ＳＡ算法假设条件的可实现性。最后与Ａ＊算法进行了比较。     

一种引入复合形法的改进引力搜索算法

针对引力搜索算法求解复杂问题时搜索精度不高、易出现早熟收敛问题,提出一种引入复合形法的改进引力搜索算法。该算法在寻优初期利用引力搜索算法进行全局搜索,同时对引力系数进行改进,以提高全局收敛速度;在寻优后期,当算法出现早熟收敛现象时,引入复合形法,利用复合法较强的局部搜索能力,帮助种群快速跳出局部最优解。通过5个标准测试函数验证了改进算法的可行性和有效性。与标准引力搜索算法、基于权值的引力搜索算法、记忆性引力搜索算法相比,该算法具有更高的收敛精度和更快的收敛速度。     

自适应六边形运动估计搜索算法

指出了在块运动估计中,快速估计算法的最终目的是在提高搜索速度的同时保持搜索质量.在现有搜索算法的基础上,提出了一种自适应六边形运动估计搜索算法AHEX.该算法首先利用时空相关性预测起始点,缩小了搜索区域,从而减少搜索点数;然后采用六边形搜索模型进行搜索,进一步提高了搜索速度.在搜索过程中,还采用了自适应的提前中止策略来避免不必要的搜索.实验结果表明:在保持相当搜索质量的前提下,与其它快速块匹配算法相比,自适应六边形搜索算法的搜索速度有大幅度的提高.     

基于线性搜索的快速运动估计算法

为了减小快速运动估计算法的计算复杂度和提高运动补偿的准确性,提出了一种新的块匹配运动估计算法,称为线性正方形搜索算法.该算法采用运动估计的线性搜索策略,对于不重要的搜索区域利用线性搜索技术进行快速搜索以减小算法的计算复杂度,而对于重要搜索区域,即最佳点所在区域,用9点的正方形模块进行精细搜索以提高算法的搜索精度.实验结果证明,该算法与菱形算法相比不仅计算复杂度减小了10%以上,而且视频编码效率可以提高约0 1dB.     

基于GIS最短路径算法的改进和应用

本文通过指出传统最短路径算法的缺陷和不足，在研究人工智能的A＊启发式搜索算法基础上，提出了最短路径问题的一个改进算法，借助限制条件对预搜索节点进行评估，通过用二叉堆对包含评估值的预搜索节点进行排序，经验证，该算法复杂度仅为O（n）。取得了较满意的效果。