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。
     

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.     

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。     

一种基于Dijkstra算法的启发式最优路径搜索算法

为了建立一个高效的路径搜索引擎,针对大型应用系统中寻径算法的平衡最优性、时间复杂度以及空间复杂度问题,从经典Dijkstra算法出发,将AI领域的决策机制引入到路径搜索中来,提出了一个启发式最优路径搜索算法.该算法在寻径过程中引入代价函数,由代价函数来决定寻径策略(即优先搜索哪些中间节点),以期望减少搜索节点数.给出了该算法得到最佳解的条件及其证明过程,并且以实例数据对两种算法进行了对比测试.     

基于差分进化和稀疏A*算法的游戏地图智能寻径方法

提出了一种基于差分进化和稀疏A*算法的游戏地图智能寻径方法,通过精准过滤非正常状态从而达到较高的收敛速度进而实现快速路径搜寻.仿真结果表明,该方法相较于现有方法有着更快的搜寻速度和更优的路径选择,对游戏地图智能寻径是可行有效的.     

基于A*算法八数码问题的一种程序实现方法

介绍了解决八数码问题的一种基于图搜索的启发式搜索算法——A*算法，并给出了用PASCAL实现的八数码问题的程序。     

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。     

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.     

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。     

带通行限制的加权A*算法及其数据库实现

当A*算法应用于带有通行限制的路网时,算法得到的最优解中含有不可通行的路段,而人们期望的搜索结果是可通行路段的集合。为找到符合限制条件的最优解,本文通过建立合适的数据库表结构,对 A*算法进行改进,实现了带通行限制的A*算法,并对启发函数进行加权,使算法能够根据存储在数据库中的限制条件扩展节点,减少算法遍历的节点数目,降低执行时间,达到搜索出符合条件的最短路径的目的。     

考虑液氧泄漏的改进A*算法及其应用

针对国内工厂液氧泄漏事故频发,工人紧急处理不得当以及逃离路线不安全问题,提出了一种更注重安全和效率的改进A~*算法并将其嵌入到应急演练系统中。通过在启发函数中加入权重因子和方向因素使得A~*算法能更好地应用于复杂地址中,同时根据风险模型的计算对路点进行安全距离的判断从而保证了寻路路线的安全性。对比实验结果表明:在标准A~*算法获得的路径中较多路点处于液氧泄漏危险区里;仅修改启发函数的A~*改进算法获得的路点数小于第一组实验所获得的路点数且更快地向目标点靠近,但仍有较多路点处于危险区域;既修改启发函数又考虑风险模型的改进A~*算法所获得的路点均处于液氧泄漏危险区域以外。由此可知,改进A~*算法较标准A~*算法获得的路径更加安全,同时更快地向目标点收敛。     

用遗传算法求解最短路径问题

文章应用遗传算法求解图论中的最短路径问题，并提出了该算法在解决这一问题中的一些处理方法，使用该算法可以很快地求出一批最短路径集。文中最后给出了算法运行结果及总结。     

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。     

超图嵌入带权重圈的一个2-近似算法

超图嵌入带权圈(HEWC)问题就是把超图的超边以路的形式嵌入一个带权圈, 使得圈上任何带权连接边的最大阻塞最小。这个问题的一个简单形式是图嵌入带权圈(GEWC),即把普通图的边以路的形式嵌入 一个带权圈。HEWC问题第一次被归结为一个整数线性规划问题,并且利用LP的放松问题和有界启发得到一个近似解。 然后设计了一个非常简单有用的可以和LP近似算法得到一样好的近似解的线性时间近似算法。     

自主车辆路径规划算法研究

在自主车辆的路径规划是否经过特定点的两种实际情况下,提出了不同的解决方案。当车辆不需要经过特定点时,引入A*算法,较传统算法将启发函数改为欧几里得函数(Euclidean Distance),并引入一个权值以降低启发函数的权重。当车辆需要经过特定点时,应用Hopfield神经网络思想优化算法,以达到理想的路径规划。仿真实验表明,改进后的算法使得路径规划寻优得到明显提高,并验证了算法的有效性。     

基于协同进化和并行计算的船舶管路布置方法

为解决船舶管路协同布置问题,提出一种适合求解多管路或分支管路协同布置的算法框架.通过为每条管路或分支生成对应的进化种群,将管路间的协同布置转换为种群间的协同进化.基于提出的路径连接点概念,生成管路接口间的候选路径种群,并对种群进行交叉、变异操作.使用A~*算法作为寻路算子,提高了生成路径的质量,同时保证了路径的有效性.为了提高运算效率,引入并行计算策略对算法框架和A~*算法进行改进.最后,两个仿真实例验证了所提出方法的可行性和有效性.