基于Silverlight网页游戏的寻径优化算法

为了解决A*路径搜索算法在Silverlight网页游戏中的搜索费时和路径曲折等问题,在结合光线跨越算法和引入父结点指针的二叉堆存储开启列表的A*算法的基础上,提出了一种基于Silverlight网页游戏的寻径优化算法。该算法在现有研究的基础上使用光线跨越算法减小A*算法搜索规模,同时将动态关键点技术与光线跨越算法结合来优化算法返回的路径。将该算法在游戏所使用的网格地图中进行实验,实验结果表明,该算法能够有效地根据系统设定的通行条件寻找出一条最优的实际可行的路径,同时缩短寻路的时间消耗和所寻的路径长度,提高游戏的可玩性。     

游戏开发中智能路径搜索算法的研究

在游戏软件中,人工智能是一个重要而又复杂的模块,而寻路算法是人工智能运用于电子游戏中的最基本问题之一。针对游戏中路径搜索的特点,在对一般搜索算法、常见搜索算法和启发式搜索技术进行详细地分析与研究的基础之上,结合实际应用情况,对A*算法进行了一些优化与改进。     

A~*算法在cocos2d-x游戏开发中的研究和应用

路径搜索系统是游戏系统中非常重要的一部分,好的路径搜索算法对于游戏的重要性不可言喻。A*算法是当前游戏开发中使用最为广泛的算法,也是游戏人工智能路径搜索中的研究重点。A*算法总是寻找估价值最小的节点,从而能够找到最短路径。笔者首先对A*算法原理进行深入研究,再深入研究其在cocos2d-x寻路的应用和实现。     

用VC++实现基于A*算法的八数码问题

在人工智能领域中,八数码问题一直都是一个游戏难题。介绍了八数码问题,然后在启发式搜索算法上对A*算法定义进行了解释,并在其旨在提高搜索效率的方面作了比较详尽的介绍,详细描述了基于图搜索算法的解决此类问题的一种启发式搜索算法———A*算法。再依据这种算法用可视化编程语言VC 6.0来实现八数码问题的求解过程,取得了预期的搜索解,提高了搜索效率。     

A*算法在Shortest-Path方面的优化研究

在游戏和地理信息系统开发等领域中,专门针对最短路径搜索方面的优化研究较多,尤其是最短路径中启发式搜索算法中的A*算法的效率优化研究.本文将针对在人工智能或算法研究中的使用的地图大多数是基于任意图而不是网格图的状况,通过任意图与网格图及方向的相结合,提出了三种优化A*算法的启发式函数搜索策略,较好地减小了算法搜索的范围和规模,有效地提高了A*算法的运行效率.最后的实验结果显示,与传统的A*算法相比较,优化启发搜索策略后的A*算法寻径更快速,更准确,计算效率更高.     

改进A*算法在游戏地图路径搜索中的应用研究

路径搜索是许多游戏的核心组成部分,路径搜索的算法有很多,不同的搜索算法有其不同的搜索策略、时间效率、空间消耗与应用场合.本文通过对A*算法的分析与研究,找出不足并进行优化和改进.使用最小二叉堆来优化A*算法对OPEN表的遍历,提高计算速度;通过引入以向量夹角余弦作为新启发式信息,减少计算过程中产生的无用节点,提高算法效率.最后通过仿真实验对标准A*算法、Dijkstra算法、改进A*算法进行数据分析比较,有效表明了本文所提算法的准确性和高效性.     

迷宫搜索算法的比较研究

研究面向搜救的应用,将事故环境抽象为一个迷宫,通过仿真实验比较研究了深度优先搜索算法和三种不同启发式函数的A*算法在Perfect迷宫中的应用,并分别将深度优先搜索算法和A*算法用于实际迷宫中进行实现与比较.在实验中,迷宫环境对机器人是未知的,而由于迷宫环境的特殊性——未知的迷宫环境中很少有不会碰撞的路径,从而增加了机器人搜索的难度.通过仿真实验对比了不同启发式函数的A*算法与深度优先搜索算法的性能,最后得出在迷宫搜索中A*算法要优于深度优先搜索算法;同时,在实际迷宫中实现了深度优先搜索算法与A*算法的搜救应用.     

基于DEM格网的改进型A*路径搜索算法

为解决DEM格网上的路径搜索问题,分析了DEM格网和道路拓扑网络的共性与区别,并结合DEM格网的特点对比了Dijkstra算法和A*算法的优缺点,提出了基于DEM格网的改进型A*路径搜索算法。该算法充分考虑DEM格网上的路径可达条件,采用移动窗口法获取搜索网格候选集,并根据地理空间分布特征选取A*算法的估价函数,同时引入贪婪准则缩小搜索范围,降低问题复杂度。结合实例对算法进行了实验分析,验证结果表明了该算法的可行性和有效性。     

港区导航系统中最短路径搜索算法

分析Dijikstra算法、限制区域搜索算法以及A*算法的时间复杂度和空间复杂度,提出一种最短路径搜索算法。将静态存储和动态搜索相结合,以限定区域搜索算法为主、A*算法为辅,并根据港区路况实现该算法。实验结果表明,在区域路网结构相对比较规则的情况下,该算法能够提高路径搜索的效率。     

基于启发式算法的路径搜索

A*算法是人工智能中一种典型的启发式搜索算法,它在游戏开发、机器人导航等领域内得到广泛的应用.本文在A*算法的基础上进行改进,将其应用到大规模行人仿真系统中,取得良好效果.由于采用不同的启发函数能够得到不同的路径,本文对几种启发函数进行了分析、比较和改进,用以模拟行人选择路径的多样化,通过对地图进行预处理,对靠近障碍物节点的增加惩罚值,解决了传统A*算法搜索得到的路径过于"贴边"问题;提出了一种"修剪算法".使得经过处理的路径更加真实,更加符合行人行走的习惯.     

一种具有端点方向约束的快速航迹规划方法

传统A＊算法在进行具有端点方向约束的航迹规划时,由于缺乏方向引导而导致效率低下。针对该问题,提出一种动态引导A＊算法。在原有A＊算法的基础上引入动态变化的引导点,给出引导点的设置策略,构造新的代价函数,设计引导点的切换方法。实验结果表明,在进行具有端点方向约束的航迹规划时,通过设置合适的引导点参数,该方法可以规划出从起始点的特定方向出发、并沿指定方向到达目标的飞行航迹,且与传统A＊算法相比,其规划速度能够提高lO倍以上。     

基于可视图与A*算法的路径规划

结合可视图的骨架构造方法和A~*图搜索方法,采用矩形包络障碍物,在障碍物顶点外延生成路径点。在此基础上,提出一种新的路径规划算法Lambda~*,与A~*算法类似,搜索过程需要2张表,但CLOSED表保存从起始节点开始的路径节点,OPEN表保存CLOSED表中扩展节点的后续节点,可减少在OPEN表中保存的节点数量,减少计算量和耗时,并通过增加SMOOTH过程以提高路径的平滑度。将算法应用于二维空间环境进行机器人路径规划仿真实验,结果表明,与A~*算法相比,Lambda~*算法能够以增加较少路径长度为前提,大幅降低路径规划的耗时。     

游戏地图中的分层动态路径搜索算法

在大型游戏地图环境中,玩家必须对动态地形做出即时反应,而动态寻路算法对改变节点的位置非常敏感。为此,结合增量路径搜索(LPA*)算法和分层路径搜索(HPA*)算法,提出一种分层动态路径搜索(HPLPA*)算法。对地图分层形成抽象图,并在动态环境中及时更新,采用LPA*搜索,找到抽象路径再细化,以此形成本地路径。实验结果证明,与LPA*和HPA*相比,该算法更有效。     

非光滑聚合博弈纳什均衡的分布式连续时间算法

本文研究多智能体聚合博弈的分布式算法设计.其中,个体的成本函数具有非光滑性.提出一个连续时间分布式算法,使得每个个体仅利用本地数据及局部的信息交互就能达到纳什均衡.利用李雅普诺夫方法,证明了算法的收敛性.在此基础上,进一步研究了带有耦合不等式约束博弈的广义纳什均衡求解.仿真结果验证了方法的有效性.     

基于分层的改进A＊算法在路径规划中的应用

智能交通中的路径诱导系统能够极大地提高人们的出行效率与出行体验。经典A＊算法只注重搜索精度而忽略了搜索效率,在城市道路网络分层的基础上,对高层道路使用的A＊算法进行了改进,对于道路网络中的不同节点,设置估价函数具有不同的权值,同时给定权值的一个上下限阈值,以平衡算法的搜索效率与搜索精度。实验表明,得到的最短路径虽然不是常规的距离最短却是实际行驶时间最优的。     

交通诱导系统中动态路径诱导算法的研究

动态交通网络中两节点之间最优路径的选择是目前的一个重要难题。通过对比不同的静态路径算法,并结合实际交通网络的特点,最终选择以A＊算法为基础,并在此之上研究出实现动态交通网络中路径诱导的方案。     

基于航迹可飞性改善的A*算法

针对利用传统A*算法规划航迹时可飞性不好的问题,提出了一种可改善航迹可飞性的改进A*算法。在算法中采用逆序A*算法,获得代价最小的初始航迹,结合迭代算法对影响航迹可飞性的航点进行处理,保证了航迹的可飞性最优。通过模拟飞机CGF的飞行环境,进行两次航迹规划试验,其结果表明该方法在改善航迹可飞性方面具有良好效果。     

Vega平台下三维并行A*算法的设计与实现

采用一种并行的A*算法实现了复杂地理环境下低空飞行器的三维路径规划。该算法将A*算法的基本操作设计成并行执行形式,并利用OpenMP将其线程化,结合约束条件,最终完成在三维空间中避开障碍物的路径搜索过程。使用建模工具Cre-ator和开发工具Vega为仿真平台,完成对复杂地形地貌场景的设计,在此基础上对上述算法进行了验证。仿真结果表明该并行方式较之串行方式能获得更快的寻优速度,加速比也随着规模的增大而提高。