A*算法的探讨及其对八数码问题的实现

对人工智能中的经典启发式搜索算法进行了比较详细的介绍,在启发式搜索算法缮进行了解释,并在其旨在提高搜索效率的方面作了比较详尽的介绍,详细的描述了启发式A 搜索算法,并以八数码问题为例,用A*算法的C语言程序解决了八数码问题,取得了预期的搜索解,提高了搜索效率.     

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.     

基于A*和Bresenham相结合的网络游戏寻路算法设计与实现

网络游戏寻路算法主要是解决角色以最佳的方式走到指定地点的问题.该文首先介绍了一种基于启发式搜索的A*算法和获得直线路径的Bresenham算法,并结合游戏地图,给出网络游戏寻路算法及其具体实现方法.结果表明,A*算法结合Bresenham算法实现寻路提高了目标搜索的效率,从而突显了游戏角色和怪兽的智能性,增强了游戏的可玩性.     

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.     

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。     

融合插点和跳跃点改进A*算法的路径规划

为了解决传统A*算法在路径规划中存在的一些问题,提出了一种融合插值点跳跃搜索路径算法来改进A*算法。在对栅格环境图中具有特殊意义的多组数据进行预处理后,通过起始点和目标点确定目标函数,并搜索出一条最优路径。利用MATLAB软件平台对8组规格不同的环境图进行了路径规划仿真。实验结果表明,改进后的算法可以减少计算时间、搜索节点数量、内存占用和搜索路径长度。可见改进后的算法在搜寻最佳路径方面的效率更高。     

车载导航系统中动态最短路径研究

以城市动态交通网络为背景,以路段通行时间作为计算最短路径的依据,在A*算法的基础上引入动态路阻函数,在全局范围内动态确定车辆最优路线,提高出行效率.     

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。     

车辆导航中一种改进的路径优化算法

针对车辆定位与导航系统中的最优路径规划中存在的问题,研究了最短路径搜索算法的快速实现技术,提出了一种启发式快速最优路径规划算法.在分析经典迪杰斯特拉最短路径搜索算法和A*启发式搜索算法的基础上,利用双向A*算法和地图分层搜索技术减小搜索空间,采用二叉堆结构来实现路径计算过程中优先级队列的一系列操作,从而提高了算法的执行效率.仿真试验的结果证明了该算法的优异性能.     

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.     

基于交通禁则与道路等级因子的路径规划启发式函数

针对城市路网中存在的交通禁则问题和道路等级划分的实际情况,以A*算法为基础,提出一种新的估价函数.该函数引入自定义的道路等级因子作为参数,并将自定义权值的加权欧氏距离作为启发函数进行计算.分别针对引入道路等级因子前后及是否有交通禁则的情形进行实验,结果表明,该函数满足实际要求并优于A*算法,具有较好的实际应用效果.     

基于剪枝策略的改进TDCALT算法

针对大规模路网中求解最短路问题的低效性与非实时性,通过时间依赖性路网来刻画路网和交通状况信息,构造时间依赖性路网下的高效最短路算法.以目前效率较高的TDCALT(time dependent core-based A*landmarks triangleinequality)算法为基础,提出动态优化上限值的改进措施,并首次引入和改进静态路网下最短路算法中的剪枝策略,形成ITDCALT(improved TDCALT)算法.在广州市路网上的试验表明:ITDCALT算法在算法运行时间和搜索空间上均优于TDCALT算法和TDIJKSTRA(time-dependent DIJKSTRA)算法;ITDCALT算法具有计算效率高、搜索空间小、性能稳定的优点.     

SMS中基于冲突探测的滑行道轨迹预测算法研究

本文研究了机场场面管理系统中的重要环节——滑行道轨迹预测算法.首先研究了滑行道路段基于冲突探测的滑行花销问题,建立了滑行道动态花销模型;然后基于冲突探测和场面资源的动态花销提出了场面交通事件触发的A*轨迹预测算法以及全局Floyd轨迹预测算法.对这两种算法进行仿真的结果表明,基于事件触发的A*算法在场面交通不太拥挤的条件下适用,全局Floyd算法适合场面交通拥挤的情况;最后,通过比较和分析,提出了将两者结合的思想.算法具有很强的可扩展性,能够为机场流量管理提供科学的指导.     

基于LBS的最优出行路径算法的研究与应用

文章是基于LBS移动二次定位位置服务平台进行最优出行路径的研究.研究的目的是在LBS移动定位平台上实现基于出行者决策的最优路径选取,对人们选择最佳出行路线进行导航;在最优出行路径方面将问题分为最短路径算法和路径的权值2个问题;在最短路径算法方面选取了Dijkstra算法,并采用分层搜索、动态限制搜索区域算法对Dijkstra进行辅助,提高算法响应速度;在路径权值的确定方面,采用基于出行者决策的理论模型,对该决策算法进行适当调整,对路径权值重新裁定.     

动态交通路网中有效路径的确定方法

给出了动态有效路径的明确定义,并将深度优先搜索的树搜索算法、寻路定向性、层次空间推理策略以及A*算法中的定向估价函数相结合,提出了动态有效路径的一种有效算法.在新算法中通过对交叉口延误的特殊处理,使得城市交通路网中的分向交叉口延误得以充分体现,并有利于将交通导行系统与交通控制系统相融合.同时对动态有效路径搜索在动态车辆路径导行和动态交通分配中的应用作了初步分析.     

正态模型参数线性不等式约束估计的优化算法

研究含有不完全数据的多元正态模型参数在一般线性不等式约束下的极大似然估计问题;利用约束EM算法求得多元正态模型参数的迭代解,同时提出M-步的优化算法;并证明了此解是一般线性不等式约束下的最优解.     

基于Mapinfo的最短路径混合搜索算法

在迪杰斯特拉(Dijkstra)算法的基础上,针对有较多节点和道路的大网络在求解最短路径时计算时间慢、扩展节点多的缺点,采用基于局部最优方向和A*算法的混合算法,利用局部最优方向法的结果,对A*算法的启发函数加以改造,可以减少扩展的节点数量,快速的找到一条最短路径.通过实验仿真证实了该算法的快速有效性.     

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。     

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。