蛇形搜索算法(python实现)
文章目录
前言
面对某些智能优化算法容易陷入局部最优的问题,一个局部二次搜索算法显得尤其重要,之前曾经通过记忆传递优化算子对旗鱼优化算法进行过二次优化,在得到的收敛曲线中可以得到算法优化精度和全局搜索能力都有较大幅度提升,现提出蛇形搜索算法用于备用优化方向(还未通过优化算法进行测试),本次实现用于雷达点云数据的搜索
代码实现
代码如下(示例):
mat = [[1,2,3,4,5,6,7,8,9],[11,12,13,14,15,16,17,18,19],[21,22,23,24,25,26,27,28,29],[21,22,23,24,25,26,27,28,29],[21,22,23,24,25,26,27,28,29],[21,22,23,24,25,26,27,28,29],[21,22,23,24,25,26,27,28,29],[21,22,23,24,25,26,27,28,29],[21,22,23,24,25,26,27,28,29]]
print(len(mat))
x1 = y1 = len(mat)//2
x2 = y2 = len(mat)//2
m = []
m.append(mat[x1][y1])
x1 -= 1
y1 -= 1
x2 +=1
y2 += 1
while(x1>=0 and y1>=0):
for x in range(x1,x2):
m.append(mat[x][y2])
for y in range(y1,y2):
m.append(mat[x1][y])
for x in range(x1+1,x2+1):
m.append(mat[x][y1])
for y in range(y1+1,y2+1):
m.append(mat[x2][y])
x1 -= 1
y1 -= 1
x2 +=1
y2 += 1
print(m)
总结
蛇形搜索算法是一种由内而外的遍历搜索算法,可以用于精确目标位置的模糊搜索,比如在雷达点云和图像融合数据中,需要找到某个像素点对应的点云数据,而往往点云和图像像素之间无法做到一一对应,这时,一个快速的模糊搜索算法就显得尤为重要。