基于数据存储改进的HH算法研究

在路径规划算法中,针对HH算法搜索阶段采用的Dijkstra算法效率较低的问题,采用改进的A*算法进行搜索,基于A*算法中数据存储的方式不同,通过最小二叉堆进行存储排序改进算法,仿真分析得到改进的HH算法在空间效率和时间效率上都得到了提升.     

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.     

对Dijkstra算法的优化策略研究

Dijkstra算法是许多工程解决最短路径问题的理论基础,但实际工程中涉及到的许多限制条件要求人们必须对该算法进行改进和优化。文中在对经典的Dijkstra算法思想进行分析的基础上,论述了Dijkstra算法的一种改进算法———A*算法,并对它们之间的联系进行了剖析。在总结了一个实际工程项目开发的基础上,提出了一种基于Dijkstra算法上的针对铁路中两站点最优路径算法。文中提出的算法通过提取出铁路中的关键站点组成一个新图,之后将起点和终点插入到新图中,经过最多四次的排列组合后选出一个最短路径;该优化方法能将Dijkstra算法的时间复杂度o(n2)中的n降到一个很小的值。实践证明该方法在实际工程中完全可行且已取得了令人满意的效果。     

基于改进A*算法和lattice算法的路径规划方法

针对A*算法缺乏动态性、不够平滑、计算量大,且不满足具体的非完整约束等问题,提出一种融合改进A*算法和lattice算法的路径规划方法.一方面消除传统A*算法中的冗余点,同时考虑物体的方向属性和实际运动约束,优化启发式函数最终生成全局路径.另一方面lattice根据改进A*算法生成的全局路径作为参考线,采样并结合障碍物信息和其他代价信息选出平滑的、无障碍的包含位置、移动速度、移动加速度等信息的局部轨迹.使用栅格地图进行车辆路径规划的实验仿真,该算法能够兼顾全局与局部,快速规划出一条平滑且满足车辆非完整性约束的运动路径.     

应用于机器人路径规划的双向时效A*算法

针对时效A*算法为了大幅减少算法时间,导致路径规划长度增加和路径锯齿过多的问题,提出一种改进的双向时效A*算法,该方法将从起点和终点同时运行时效A*算法寻找路径,并采用多近邻栅格距离计算方案;同时,根据不同环境地图对传统A*算法、时效A*算法和双向时效A*算法运行结果进行对比研究及分析;最后,制定算法时间、路径长度两个指标来评判算法的优劣。实验结果显示,双向时效A*算法相对于传统A*算法,算法时间最大减少76.8%,相对于时效A*算法,时间最大减少55.4%,并解决了时效A*算法规划路径距离增加、路径不够平滑的问题。     

A~*算法在地图寻径中的实用性优化

为了提高A*算法在地图寻径中的执行效率,首先深入分析了A*算法在游戏地图中搜索最优路径时影响速度的原因,然后从数据结构方面入手通过引入最小化堆的方法遍历开启列表,引入链表对节点数据结构进行改进等手段给出了A*算法的优化方案并对该方案进行了理论分析,最后通过500个大小不同的游戏地图对改进后的算法进行了测试和评估,实验结果表明改进后的A*算法有效地提高了路径搜索速度,切实可行。     

一种基于改进Theta *的机器人路径规划算法

对Theta *算法进行改进,并用于解决机器人路径规划问题.首先,将障碍物对机器人产生的斥力作为一种惩罚函数加入到启发函数中,并合理地选择惩罚函数权重以确定启发函数.在此基础上,改进A *算法的变种——Theta *算法,提出对路径进行平滑处理的PS_Theta *算法.最后在二维仿真环境中进行验证及数据统计,并推广至三维复杂环境中,实验结果证明了算法的合理性与有效性     

对Dijkstra算法的优化策略研究

Dijkstra算法是许多工程解决最短路径问题的理论基础，但实际工程中涉及到的许多限制条件要求人们必须对该算法进行改进和优化。文中在对经典的Dijkstra算法思想进行分析的基础上，论述了Dijkstra算法的一种改进算法——A＊算法，并对它们之间的联系进行了剖析。在总结了一个实际工程项目开发的基础上，提出了一种基于Dijkstra算法上的针对铁路中两站点最优路径算法。文中提出的算法通过提取出铁路中的关键站点组成一个新图，之后将起点和终点插入到新图中，经过最多四次的排列组合后选出一个最短路径；该优化方法能将Dijkstra算法的时间复杂度o（n^2）中的n降到一个很小的值。实践证明该方法在实际工程中完全可行且已取得了令人满意的效果。     

融合环境信息和运动约束的改进A*算法研究

标准A*算法存在着无法考虑移动机器人运动特性及处理后的路径不利于移动机器人运动等问题。针对这一问题提出了一种新改进A*算法,通过环境信息引入障碍物权重系数来改进算法的启发函数并进行全局路径规划;优化搜索节点的选取方式和设定障碍物与路径之间的安全距离;基于对移动机器人的运动特性的考虑优化其路径,并在不同环境地图中与其他算法进行仿真实验对比分析。相关实验表明：基于新改进A*算法规划的路径始终与障碍物保持一定的安全距离;改进A*算法在时间上相比标准A*算法平均减少了80%,路径长度平均减少了2%,路径转角平均降低了82%。改进后算法相比其他算法在时间、搜索节点以及平滑度上有很大的改进,融合机器人环境信息和运动特性的规划路径算法可为移动机器人的路径规划提供一种新的方法。     

基于人工势场的A*算法的移动机器人路径规划

为了解决传统A*算法规划路径时未考虑到障碍物分布对路径选取的影响,文中提出了一种改进的A*算法.将人工势场的思想与传统的A*算法相结合,对栅格地图中的障碍物赋予斥力场函数并计算周围栅格的斥力大小,进行路径搜索时将栅格的斥力大小引进到A*算法的评价函数当中以改进A*算法的搜索能力.通过MATLAB仿真和Turtlebot机器人的实验结果表明,与传统的A*算法相比,改进后的新算法与人工势场算法相结合,规划出了更优的路径,提高了路径规划效率,且搜索速度提高了 13.40％～29.68％,路径长度缩短了 10.56％～24.38％,路径节点数减少了 6.89％～27.27％,因此,改进的A*算法的优化效果明显,具有有效性和可行性.