一种基于改进A~*算法的限制搜索区域的路径规划方法

本文根据已有A*算法,给出了一种改进的最优路径规划算法,此算法在根据道路的实际情况对路网进行分层的同时,根据实际路网的拓扑特性对搜索区域进行合理的限制,实验证明此算法在进行路径规划时节省了时间。     

面向3D场景智能寻路技术综述

智能寻路技术是人工智能的一个重要应用,该技术被应用到许多领域,其中在大型3D场景游戏中的应用尤为广泛。对现有智能寻路技术包括场景地图表示法、路径搜索技术分别进行了研究对比,分析每种方案的优劣势,总结了智能寻路技术的发展趋势。     

一种基于改进A*算法的室内导航路径规划方法

路径规划是室内导航研究的关键技术之一。A^*算法是一种常见的路径规划算法,当区域的点数量较少时,找寻最优路径是最有效的直接搜索方法。但当路径点规模较大时,使用数值优化算法求解最佳路径的难度急剧增加,导致规划时间所需时间过长,不符合实时性要求。为提高路径规划方法中的效率和稳定性,在梳理室内导航路径规划已有算法和方案的基础上,分析了A^*算法的基本思想与实现步骤,并针对室内导航中A^*路径算法存在的问题,提出了一种改进型A^*算法优化的方案。利用用户对最短距离和直行路程的需求,在位置计算中,引入同时考虑方向和距离启发信息的启发函数,把POI点与寻路节点分开处理,以映射的方式建立联系。将该方案应用于室内导航中A^*算法实现伪代码,对算法改进前后进行算法效率测试。结果表明,改进后A^*算法的整体效率提升了近50%,改进型A^*算法在室内导航路径规划的效率和稳定性比较优,达到了加速导航算法的目的。     

基于二元堆的A^＊算法及其在游戏地图寻路中的应用

本文根据A*算法的基本特点分析了影响A*算法效率的原因,通过在A*算法中引入二元堆,从而达到提高算法效率的目的。模拟实验结果证明了基于二元堆的A*算法比标准A*具有更高的执行效率。     

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.     

A＊算法改进算法及其应用

路径优化问题是现代生活和工作中的一个重要而复杂的问题,路径优化算法则是解决路径优化问题并推广应用路径优化问题的关键.在回顾Dijkstra算法和A*算法的基础上,提出了A*改进算法,并结合例子对算法求解过程进行说明.最后编程实现了Dijkstra算法、A*算法和A*改进算法,并对运行结果进行比较分析.     

一种分层寻路算法中的域值放弃策略

为了更合理地判定何时放弃分层寻路，提出了一种新的域值放弃策略：当起止点之间的估计距离小于放弃域值时，采用最短路径算法；反之，则采用分层寻路算法。该策略引入了估计距离、放弃域值和放弃因子三个参量，并采用统计法以确定域值。测试数据表明，使用该策略搜索出的路径具有较高的可采纳性。     

启发式A^＊算法在游戏寻路中的应用

文章在对A＊搜索和启发式搜索技术进行详细分析与研究的基础上,将A＊算法应用于flash游戏中的寻路,并在此基础上分析出A＊算法的实际应用时间效率和空间效率。     

游戏开发中一种新的高效寻路算法——B^＊寻路算法

与传统的A＊寻路算法相比，本文提出的B＊寻路算法具备更高的效率。     

基于改进A*算法室内移动机器人路径规划

A*算法常用于二维地图的路径规划,但是在利用其进行室内移动机器人路径规划时,存在过多的冗余点和拐点,造成了内存消耗过大和路径不平滑。针对上述问题,提出了一种改进的A*算法。结合跳跃点搜索理论,利用先验信息,用选取的关键点代替了传统A*算法中Openlist和Closelist的点,减小了计算量,提高了运算速度。运用反向搜索策略,对路径进行二次规划,删除不必要的转折点,降低了路径长度。将路径在转折点处进行动态圆平滑处理,提高了路径的平滑性。为了验证改进A*算法的性能,将其应用于不同尺寸仿真栅格环境地图和处于真实室内环境的机器人中,实验结果表明,在相同环境下,改进算法相较于传统的A*算法,在运行时间、路径长度和平滑程度上均有明显的提高。     

一种基于遗传算法改进的粒子群优化算法

在研究标准粒子群算法和遗传算法的基础上,介绍一种加入遗传选择,交叉算子以及变异算子的扩展算法,以提高粒子群算法摆脱局部极值点的能力,并且算法具有较快的收敛能力。     

动态拓扑网络最短路径启发式算法

针对动态拓扑网络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,利用椭圆曲线参数设定启发函数初始值,进一步缩小搜索范围.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.仿真试验结果表明该算法具有良好的性能.     

Application of cellular automata and type-2 fuzzy logic to dynamic vehicle path planning

Nowadays, most road navigation systems’ planning of optimal routes is conducted by the On Board Unit (OBU). If drivers want to obtain information about the real-time road conditions, a Traffic Message Channel (TMC) module is also needed. However, this module can only provide the current road conditions, as opposed to actually planning appropriate routes for users. In this work, the concept of cellular automata is used to collect real-time road conditions and derive the appropriate paths for users. Notably, type-2 fuzzy logic is adopted for path analysis for each cell established in the cellular automata algorithm. Besides establishing the optimal routes, our model is expected to be able to automatically meet the personal demands of all drivers, achieve load balancing between all road sections to avoid the problem of traffic jams, and allow drivers to enjoy better driving experiences. A series of simulations were conducted to compare the proposed approach with the well-known A* Search algorithm and the latest state-of-the-art path planning algorithm found in the literature. The experimental results demonstrate that the proposed approach is scalable in terms of the turnaround times for individual users. The practicality and feasibility of applying the proposed approach in the real-time environment is thus justified.