融合A*和Bresenham的游戏路径规划算法设计与实现

网络游戏中角色的路径规划一直是网络游戏研究领域的难点问题。寻路算法的优劣能最大程度地影响网络游戏的智能性和可玩性。针对游戏中路径搜索的特点,在对一般搜索算法和启发式搜索技术进行详细分析与研究的基础上,通过对传统的A*算法中的估价函数进行加权修正,并与Bresenham算法相结合后,有效地提高路径搜索的效率。实验结果表明,本算法不论在扩展的节点数,搜索的次数,消耗的时间等方面取得更好的效果,同时智能性也得到了较大的提高。     

基于改进Bi-RRT*算法的移动机器人路径规划

针对道路狭窄、障碍物较多等复杂环境下快速探索随机树*(RRT*)算法出现的随机性大、效率低、收敛速度慢和路径曲折等问题,结合一种改进碰撞检测机制的RRT*算法,提出了一种改进Bi-RRT*算法.该算法首先在动态目标区域进行节点采样,缩短算法执行时间;再通过目标偏向策略扩展树节点,降低树生长的随机性;然后采用双向树生长策...     

基于改进A*算法的无人机动态航迹规划

在无人机航路规划问题的研究中,针对传统 A*算法在航路规划中的不足,提出了一种增加约束条件的广义搜索 A*算法,并将该算法应用到动态航路规划中。该算法在节点搜索中解决了 A*算法大空间搜索的复杂程度,而且用重新估价代价值来满足无人机的实时性,最后用平滑处理算法使规划的航路满足无人机的机动性能约束。仿真结果表明,该算法性能优于传统 A*算法,具有很好的实时性,适用于无人机航路规划的工程应用。     

基于稀疏A*算法的无人机航路规划方法

针对多约束条件下三维空间航路规划问题,分析了三维规划空间的划分方法,综合考虑航程代价、爬升代价和威胁代价等因素,针对航路规划任务对各种指标的偏重程度,引入指标的权重系数,设计了代价函数,并编制了稀疏A*算法流程,对算法的有效性进行了仿真验证.验证结果表明:采用稀疏A*算法能够有效地解决多约束条件下的三维空间航路规划问题.     

一种改进A~*算法的智能机器人路径规划

将栅格法与路径搜索A*算法思想进行有效结合,改进A*算法采用多个栅格包络障碍物方式,利用顶点外延节点生成路径来构造连通图。在此基础上,引入平滑度概念,将算法应用于二维空间进行机器人路径规划,提高算法搜索效率。实验结果表明,与A*算法相比,改进后的算法能有效壁障,减少路径规划耗时。     

一种基于A*算法的路径平滑设计及仿真

路径规划是自主式水下航行器(Autonomous Underwater vehicle,AUV)的重要研究领域之一。AUV在水下航行需要一条安全且平滑的路径,传统的A*算法要在栅格化的地图下进行,无法满足平滑的要求,因此提出一种两步路径规划方法,运用A*算法作预处理,通过添加约束点,利用支持向量机的非线性分类功能,在已有路径点的基础上产生一条平滑路径。实验表明这种方法能够有效地平滑路径,并在MOOS(Mission Oriented Operating Suite)平台下进行了AUV仿真实验。     

基于数据链的无人机航路规划A*算法研究

介绍了无人机航路规划技术的现状,对数据链体制下的无人机通信指挥模式进行了研究,结合数据链改进了A*算法,引入惯性权重系数,并使用了线性权值自适应方法.Matlab仿真表明,该算法很好地实现威胁回避及地形回避.     

基于改进双向A*势场混合算法的灭火机器人路径规划方法研究

在灭火机器人的运行中,由于其工作环境的复杂性对机器人的路径规划提出了很高的要求,因此本文提出了一种改进A*算法和人工势场法相结合的路径规划算法。本文采用双向搜索方式的A*算法进行全局规划,解决了传统A*算法耗时长的不足;本文采用改进的人工势场法进行局部动态路径规划,解决了目标不可达和局部极小值问题。本文通过MATLAB平台,分别对改进A*算法和人工势场法进行仿真分析,结果表明混合算法有效减少规划时间并可生成更优路径。最后,在Turtlebot2移动平台上对该融合算法应用进行实验,结果表明融合算法减少了规划计算时间,使路径搜索效率和规划指标得到显著提升。     

立体空间A*算法在寻找商场室内导航最优路径中的应用

文章研究了用于商场室内路径规划导航的算法,对比了各种算法的优缺点,提出了一种优化的A*算法。该算法结合了Dijkstra算法以及广度优先搜索(Breadth First Search,BFS)算法的优点,同时充分考虑了商场的立体空间结构,并结合了商场通行的大数据,可以给出最有效的商场室内路径规划。     

融合改进A*算法和动态窗口法的全局动态路径规划

为解决移动机器人路径规划难题,设计了融合改进A*算法和动态窗口法的全局动态路径规划方法.首先,基于传统A*算法结合JPS算法对子节点进行扩展跳跃,提高路径规划效率;其次,结合Floyd算法对所规划路径进行平滑优化;最后,融合动态窗口法使A*算法可进行全局动态路径规划.基于Matlab平台将全局动态路径规划算法在8种规格...     

基于A*算法的多线程并行航迹规划方法研究

并行计算是提高航迹规划速度的一种有效手段,同时A*算法具有隐含并行的特性,计算机多CPU多线程技术使得并行计算脱离了工作站或工作组计算机,可使A*算法在单机上进行并行计算。随后根据A*算法的特点对并行计算进行了相应改进,并将其应用到巡航导弹的航迹规划当中。仿真结果表明:改进的并行算法在没有改变航迹规划结果性能的同时,计算速度、稳定性都有了较大提高,有利于快速航迹规划。     

基于路径优化的A~*算法与Dijkstra算法的性能比较

路径优化成为解决道路拥挤和阻塞的重要途径。传统单源最短路径的Dijkstra算法可以找到从起始点到其他点的最短路径信息,在地图障碍物较多的情况下,其搜索时间较长。人工智能领域带启发式函数的A*算法由于本身就具有记忆性的功能,在路网中可以自主性的选择最优路径,并且随着障碍物信息和地理位置信息的增多,其搜索效率更高。通过实验将A~*算法与传统的Dijkstra算法进行仿真比较,对比它们的搜索速度和搜索效率,结果证明在实际路网中A~*算法的搜索效果更明显。     

改进A*算法的机器人路径规划研究

针对路径规划问题提出A*优化算法.首先,在传统A*算法的基础上利用JPS算法对子节点进行扩展跳跃,提高A*算法的效率;然后,对A*算法规划路径使用贝塞尔曲线进行平滑处理;最后,基于Matlab平台将改进的A*算法在9组不同栅格地图上进行仿真实验.结果表明,利用JPS算法和贝塞尔曲线改进的A*算法在路径规划过程中计算量极...     

A＊的改进路径规划算法

通过对地图数据的预处理和启发函数的设计,对A＊算法进行了改进。利用VC＋＋编程实现改进算法,并在实际城市地图上对改进算法进行了验证,结果表明改进算法提高了搜索最优路径的成功率,同时解决了原算法易出现搜索死循环的问题,可适应不规则的城市路网。     

基于改进A∗算法的复杂停车场路径规划

针对复杂停车场环境中的停车与寻车困难的问题,本文提出一种基于改进A?算法的复杂停车场路径规划方法.通过对节点间代价进行统一量化以及对路径中的拐角进行修正,避免了不必要转向,优化了规划路径,提高了效率.并且基于仿真软件,根据实际停车场环境,建立环境地图进行仿真模拟;在相同条件下,对传统A?算法、改进A?算法与Dijkst...     

融合可见光指纹的迷宫机器人路径规划算法

针对复杂迷宫环境下移动机器人路径规划中存在的寻路时间较长、效率较低等问题,提出了一种将可见光指纹信息与A*算法相融合的迷宫机器人路径规划算法。该算法引入局部、全局障碍密度参量对A*算法的评价函数进行优化,使评价函数可以自适应障碍物密度;同时引入可见光指纹信息,利用障碍物对可见光光源的遮挡程度来判断各方向路径是否通畅,解决了A*算法在寻路进程中无法预见后续障碍物的问题。仿真结果表明,基于可见光指纹的改进A*算法能够有效减少传统A*算法的路径搜索点数量,平均寻路效率提高了43.5%,具有一定的应用价值。