路径规划-A*算法

A*算法原理

A*算法通过包含启发信息的代价函数来搜索最优路径，代价函数𝑓(𝑛)由两部分组成：起点沿着已生成的路径到达当前节点的开销𝑔(𝑛)和当前节点到终点的预估开销ℎ(𝑛)，

可由公式(1)表示： 𝑓(𝑛) = 𝑔(𝑛) + ℎ(𝑛) (1)

 A*算法建立并维护两个列表（open列表和close列表）

存放已经探测到但还未访问节点的Open列表和存放已经访问过节点的Close列表。

• 初始化时只包含起点，Close初始化为空。从起点开始，遍历周围8邻域节点，若该节点在Open表中不存在，则加入至Open，否则判断是否需要更新Open表中该节点的代价。
• 然后从Open表中弹出代价值最小的节点，同时移入Close表，以该节点为路径当前节点继续向目标点拓展，重复以上过程直至Open表为空或者搜索到终点。

路径上每个节点都有一个指向父节点的指针，通过跟踪指针向前回溯即可找到最佳路径。

A*算法流程

 A*算法主要是将节点划分为未考察的、待考察的以及已考察的三大类。刚开始时的(所有)节点都是未考察的，而待考察的节点则全都被放在open-table中，所有已经被考察过的节点全都放在close-table中。因此，明显的 open-table、close-table 表起初都是空的。

算法细节如下：

    Step_001：重置数据；如：需要重置 start-node 的 g-value = 0；h-value = evaluate-func(........)；

    Step_001：将 start-node 入 open-table；

    // 第一层循环逻辑开始

    Step_002：取出 open-table 中 f-value 值最小的节点作为 current-node，并做如下处理。(刚开始时，f-value 最小肯定是 start-node，因为表中只有这个节点)

        Step_003：如果 current-node 不存在，则寻路失败退出

        Step_004：如果 current-node 为 end-node，则寻路成功退出，并将 end-node 的前驱节点置为 current-node，然后返回由 end-node 逆序倒推其前驱节点直到 start-node 的所有节点组成的路径返回

        Step_005：将 current-node 入 close-table；

        // 第二层循环开始

        Step_006：逐个遍历 current-node 的 adjacency-node，并做如下处理

            Step_007：如果 adjacency-node 在闭表中，则不做任何处理

            Step_008：如果 adjacency-node 不在开表中，则更新其 g-value、h-value 值；并将该 adjacency-node 的前驱节点置为 current-node 节点，最后再将 adjacency-node 入 open-table

            Step_009：如果 adjacency-node 已在开表中，则比较如果从当前的 current-node 到该 adjacency-node 的 g-value 是否会比 adjacency-node 此时的 g-value 值更优(即：更小)。

                             如果不会更优，则不做任何处理；

                             如果会更优，则将 adjacency-node 的 g-value 值更新为从当前 current-node 到 adjacency-node 的 g-value 值，并将 adjacency-node 的前驱更改为当前的 current-node节点

            Step_010：回到 Step_006 继续处理下一个邻接节点

        Step_011：只要 open-table 表非空，则继续回到 Step_002 处理

A*算法缺点

标准 A*算法在扩展节点时比较盲目，可能将多余节点加入 Open 表，增加了维护 Open 表代价的同时扩大了搜索空间，导致算法在大范围空间下搜索效率不够理想。

改进A*算法[1]

本文采用双向搜索机制，同时开展从起点向终点的正向搜索和从终点向起点的反向搜索，逐步生成路径节点向中间靠拢；在扩展过程中依据方向信息对候选的节点进行筛选，过滤掉一些无效节点，提升搜索效率；最后对生成的路径进行修饰，删除冗余点，提升路径质量。

其中 S 是起始 位置，m 是被扩展到的节点，D 是目标位置。路径规划期望路径长度尽可能短，即路径方向尽可能贴合起点指向终点的方向𝑺𝑫 。𝜃是当前节点到终点的方向𝑿𝑫 与期望方向𝑺𝑫的角度偏差，由公式(2)表示，|𝜃|越小，节点 m 被加入 Open 表的可 能性越大。 

 

 

 

 --------------------------------------------------------------------------------------------------------------------------------

参考文献及CSND上前辈的经验如下，以上正文仅为个人学习记录笔记，如果侵权，本人一定删除

[1]武星, 杨俊杰, 汤凯, 等. 面向复合地图的移动机器人分层路径规划[J]. 中国机械工程: 1-13.

[2]PPT内容链接：A*算法（超级详细讲解，附有举例的详细手写步骤）_Clark-dj的博客-CSDN博客_a*算法

[3]A*算法流程链接：

A*算法入门 - Jacc.Kim - 博客园