A*算法初级总结

最新推荐文章于 2024-08-13 12:00:43 发布

Mr.Duke

最新推荐文章于 2024-08-13 12:00:43 发布

阅读量479

点赞数 2

文章标签：算法

本文链接：https://blog.csdn.net/Duke1225/article/details/108823501

版权

本文是对A*算法的初级总结，通过一个无人机路径规划的例子介绍A*算法的基本原理和步骤。介绍了如何建立地图，计算预估距离和总距离成本，以及如何使用开放列表和关闭列表进行节点遍历，最终找到最优路径。文中还提到了障碍物判断和回溯最佳路径的方法，并预告了后续的仿真器实现。

摘要由CSDN通过智能技术生成

说明

最近正好被导师调去做一门和无人机相关课程的助教，需要尽快根据A*算法和相关指引调试一个仿真器。以前Intro of aerial robot课程只是非常浅显的了解过，一学期不应用也没有留下太深刻的印象。现借此机会对网上的一些资料进行总结，因为自己也是小白起家，如果有总结不对的地方，还请各位大佬多多指点。主要资料来源于B站江中游老师的A星算法讲解视频：https://www.bilibili.com/video/BV1y5411b7YX

知识点总结

所谓A*，可以这样理解，因为该算法会对某个像素点周围8个相邻点进行索引，其形状类似于“※”。

首先建立地图如下（截图于视频中）：
图1
图1中，绿色3,3为起点，7,3为终点，蓝色为障碍物。起始遍历的点为“父节点”，其余要被遍历的周围节点称为“子节点”（8个）。每个子结点到终点存在“预估距离（成本）”，具体是不计障碍物到达终点的距离。此时算法利用“曼哈顿算法”。例如，(4,2)点到终点的曼哈顿距离为4（个单元格）。另外说明，为方便计算，根据勾股定理，(4,2)子节点和(4,3)子节点到父节点的成本为14和10。曼哈顿算法的距离成本记为“H”，子节点到父节点的距离成本为“G”，总距离成本“F”࿰