人工智能中A^＊算法的程序实现——八数码问题的演示程序

八数码问题是人工智能领域中的一个游戏难题，文章旨在介绍八数码问题以及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。并依据传统的A^*算法用Delphi给出了一个八数码问题的演示程序。     

基于A^＊算法的全局路径搜索

解决路径搜索问题有许多算法.本文基于A^＊算法,选择不同的估价函数进行路径搜索,找出在不同环境下的尽可能优化的路径,确定一种合适的估价函数,解决移动机器人的避障与导航问题.通过VC＋＋6.0程序语言进行仿真实验,验证所选择的路径.     

基于A*算法的八数码问题的程序求解

本文运用A^*算法对八数码问题进行目标结点搜索，并采用了两种不同的启发函数，对这两种惜况的搜索效率进行多方位的比较。     

基于插值A^＊算法的路径规划

提出一个基于插值的路径规划算法一插值A^＊。此算法可以在每个栅格路径代价不一致的情况下生成一条平滑路径。由于大多数基于栅格算法规划的路径只能从一个栅格中心到另一栅格中心，也就限制了路径的方向只能是倍数，所以所谓最优路径其实是次优的。插值A^＊算法在路径规划时，使用线形插值来计算出更精确的路径代价，由此产生更优路径。     

与／或图搜索中的A^＊算法—AO.A^＊算法

本文建立了普通图和与/或图(指广义与/或图,它包括普通与/或图)的概念之间的相似对应关系,从而将图搜索中完美的理论、算法及分析方法成功地移植到与/或图搜索中来.以A~*算法为例,本文描述了一个类似于A~*的与/或图搜索算法AO.A~*,并分析了其性能. 本文还对与/或图搜索算法的复杂度的定义进行了讨论,并指出了G.Levi的复杂度定义的某些缺陷.     

双层A^＊算法在游戏寻路方面的研究

A^＊算法是目前实时游戏中使用最广泛的寻路算法．但A^＊作为最基本的算法思想,并不能直接应用于实际项目中。该文提出了一种结合地图四叉树预处理的双层A^＊寻路算法,在提高效率的同时保证局部搜索精度,另外采用对移动单位赋予优先级的方法来解决移动阻塞问题。实验证明能改善多单位的移动和避让问题,能同时提高搜索效率和增强游戏实时效果。     

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。     

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。     

基于A^＊搜索方法的主动轮廓提取算法

在主动轮廓模型Snake的研究与应用中，如何降低Snake对初始轮廓的敏感性以厦如何保证能量极小化过程收敛到全局最小值，是两个极其重要的问题。为提取两点间的目标轮廓线，本文提出了基于A^＊搜索过程的Snake算法，将Snake能量极小化问题转换成势能地图的最短路径搜索问题。实验结果表明，该算法简化了Snake的初始化过程，而且Snaake能量收敛至全局最小值，具有良好的实用性与鲁棒性。     

基于遗传算法的八数码问题的设计及实现

介绍了遗传算法（GA）在八数码问题中的应用。首先介绍了八数码问题及遗传算法的相关知识,分析了求解八数码问题的传统解决方案;然后给出了八数码问题的遗传算法模型,并对此模型进行了算法的设计,即确定编码的表示、选择算子、交叉算子、变异算子及适应度函数;最后把此算法运用到基于八数码问题的拼图游戏求解过程的动态演示上。文中对此算法进行了多角度试验,试验表明采用遗传算法解决八数码问题是有效的、稳定的,具有较高的搜索效率。     

基于遗传算法的八数码问题的设计及实现

介绍了遗传算法（GA）在八数码问题中的应用。首先介绍了八数码问题及遗传算法的相关知识,分析了求解八数码问题的传统解决方案;然后给出了八数码问题的遗传算法模型,并对此模型进行了算法的设计,即确定编码的表示、选择算子、交叉算子、变异算子及适应度函数;最后把此算法运用到基于八数码问题的拼图游戏求解过程的动态演示上。文中对此算法进行了多角度试验,试验表明采用遗传算法解决八数码问题是有效的、稳定的,具有较高的搜索效率。     

基于改进A*算法的AGV智能泊车算法

随着社会的发展和文明的进步，人类对车辆智能化水平、便捷性和安全性的要求越来越高，针对停车场车位少、停车难的问题，在A*算法的基础上，增加了时间因素，将等待时间加入启发函数，综合路径距离和等待时间两个因素进而规划出入库和出库任务的最佳路径，设计了三维A*智能泊车算法，在结构化环境下，根据给定的停车场地图，预留出最优车位，规划出多辆同时工作的自动导引车（Automated Guided Vehicle，AGV）最优路径，安排AGV运载车辆到指定车位或完成出库过程，尽量减少客户在停车和取车中的等待时间，并使总成本最小，呈现真正"互联网化"的智能停车体验.     

基于A*的双向预处理改进搜索算法

本文针对传统A*算法存在冗余路径点较多与单向搜索耗时较长的缺点,提出了一种改进A*算法.该算法采用双向预处理结构减少冗余节点数,并通过归一化处理和增加节点标记信息进一步优化估价函数提高遍历速度.利用仿真软件对改进A*算法进行实验,并与其它经典路径规划算法进行比较.仿真结果表明,改进后的A*算法较于传统A*算法能以较低的搜索节点数和搜索时长较好的完成全局路径规划.     

基于改进A*算法机器人路径规划研究

针对移动机器人全局路径规划问题提出一种改进A*算法。首先建立栅格地图,基于传统A*算法,进行邻域扩展,将传统8邻域扩展到24邻域,使路径方向具有更多选择,减少不必要的转折点。优化改进A*算法的启发式函数,不再采用单一的曼哈顿距离或者欧几里得距离,将其进行融合改进,剔除路径中冗余节点和多余转折点。最后将全局路径与动态窗口法相结合,结合各自的优点,充分考虑到机器人全局最优路径的同时能安全避开障碍物,得到一条平滑轨迹。各个算法进行验证之后采用ROS平台对系统进行仿真分析,实验结果表明,改进后算法具有更优秀的路径规划能力。     

双层优化A*算法与动态窗口法的动态路径规划

为满足动态环境中移动机器人既要动态避障抵到终点,又要尽可能地做到全局最优的路径规划需求,提出了一种双层优化A*算法与动态窗口法相结合的移动机器人路径规划算法。在传统A*算法求得的全局路径轨迹基础上,首先通过一层全局优化,计算路径节点间斜率,提取关键转折点,大幅度减少路径转折点数量;再通过二层全局优化,延长路径段求得路径交点,判断交点是否通过障碍物的方法,将路径转折点数降到最低;设计动态窗口法的轨迹评价函数,解决了机器人容易陷入“凹”“C”形障碍物的问题,同时保证了障碍物安全距离并选取全局最优的路径轨迹。最后分别在静态与动态的二维栅格地图中对传统A*算法、一层优化A*、二层优化A*以及融合算法进行仿真实验。实验结果表明一层优化A*算法大幅度降低了转折次数;二层优化A*算法将转折点数降到最低,但是路径长度小幅度增加;融合算法实现了机器人实时动态避障抵到终点,而且在保证安全距离的同时更加贴近全局最优规划。     

改进A*算法的水面舰艇静态航路规划

针对复杂海洋环境下水面舰艇航路规划时出现的大地图寻路速度慢、航路安全性差、航路不平滑等难题,结合电子海图提出了一种改进A*算法的航路规划方法。提出一种自适应的改进启发函数,在搜索节点时加入目标节点的方位信息,加快了A*算法搜索路径的速度;加入迫使航路远离障碍物的安全距离,解决了传统A*算法沿障碍物边缘寻路导致航路安全性差的问题;对原始航路进行二次优化,在对原始路径提取转折点后,通过判断任意两个转折节点的直线可达性,将转折节点之间的实际距离转化为距离矩阵,使用Dijkstra算法优选出航路长度更短的关键转折点,最终使用二阶贝塞尔曲线对航路转折处进行平滑处理,以满足航路平滑且易跟随的要求。仿真实验表明,相对于传统A*算法,改进算法规划的路径具有寻路速度更快、航路距离更短、航路安全性更高的特点。     

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.     

基于 A* 算法与自适应分片的大规模最优路径规划

路径规划引擎是在线地图系统中一个至关重要的部分,静态路径规划算法是重中之重。现有的对A*算法的改进主要是通过预处理算法,对路网数据进行静态分层预处理,其效率过低。文章提出了一种自适应分层的思想,同时对A*算法的启发式函数进行改进,引入了方向引导函数,使得A*算法在日常路网上的可用性有了较大的提高。实际的路网实验表明,提出的算法的搜索效率、效果均优于同类算法,与标准层次A*算法相比,文章算法的搜索空间降低为原来的42%,搜索时间仅为原来的13%。     

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。