✅作者简介:热爱科研的Matlab仿真开发者,修心和技术同步精进,matlab项目合作可私信。
🍎个人主页:Matlab科研工作室
🍊个人信条:格物致知。
更多Matlab仿真内容点击👇
⛄ 内容介绍
基于A*算法的实际海图船舶航行避障最短路径规划涉及到以下步骤:
-
地图表示:将海图转化为图形表示,可以使用栅格地图或者节点图来表示。每个栅格或节点表示一个海图区域,包括海洋、陆地、障碍物等。
-
节点定义:定义节点表示船舶在海图上的位置。每个节点包含位置坐标、与邻近节点的连接关系、启发式函数值等信息。
-
初始化:设置起始节点和目标节点,将起始节点加入到开放列表(Open List)中。
-
A*算法主循环: a. 选择最好的节点:从开放列表中选择最优节点,即具有最小的启发式函数值(f值)的节点。 b. 扩展节点:对选中的节点进行扩展,生成邻近节点,并计算它们的启发式函数值、代价函数值等。 c. 更新节点信息:更新邻近节点的父节点、g值(从起始节点到当前节点的代价)和f值。 d. 判断终止条件:如果目标节点在开放列表中,则路径已找到;如果开放列表为空,则无可行路径。 e. 重复主循环:重复执行上述步骤,直到找到最优路径或者确定无可行路径。
-
路径回溯:从目标节点开始,通过每个节点的父节点指针,回溯生成最短路径。
-
路径优化(可选):对生成的路径进行优化,比如去除冗余节点、平滑路径等,以得到更优的航行路径。
需要注意的是,在实际海图船舶航行中,还需要考虑到船舶的动力性能、航行限制、危险区域等因素,并进行适当的约束处理。此外,A*算法的性能也可以通过启发式函数的选择、开放列表的实现方式等进行优化,以提高路径规划效率。
⛄ 部分代码
function child_nodes = child_nodes_cal(parent_node, m, n, obs, closelist)
child_nodes = [];
field = [1, 1;
n, 1;
n, m;
1, m];
% 第1个子节点
child_node = [parent_node(1) - 1, parent_node(2) + 1];
if inpolygon(child_node(1), child_node(2), field(:, 1), field(:, 2))
% [in, on] = inpolygon, 返回 in,以指明 xq 和 yq 所指定的查询点是在 xv 和
% yv 定义的多边形区% 域的边缘内部还是在边缘上,in为内部,on为边缘上
if ~ismember(child_node, obs, 'rows')
child_nodes = [child_nodes; child_node];
end
end
% 第2个子节点
child_node = [parent_node(1), parent_node(2) + 1];
if inpolygon(child_node(1), child_node(2), field(:, 1), field(:, 2))
if ~ismember(child_node, obs, 'rows')
child_nodes = [child_nodes; child_node];
end
end
% 第3个子节点
child_node = [parent_node(1) + 1, parent_node(2) + 1];
if inpolygon(child_node(1), child_node(2), field(:, 1), field(:, 2))
if ~ismember(child_node, obs, 'rows')
child_nodes = [child_nodes; child_node];
end
end
% 第4个子节点
child_node = [parent_node(1) - 1, parent_node(2)];
if inpolygon(child_node(1), child_node(2), field(:, 1), field(:, 2))
if ~ismember(child_node, obs, 'rows')
child_nodes = [child_nodes; child_node];
end
end
% 第5个子节点
child_node = [parent_node(1) + 1, parent_node(2)];
if inpolygon(child_node(1), child_node(2), field(:, 1), field(:, 2))
if ~ismember(child_node, obs, 'rows')
child_nodes = [child_nodes; child_node];
end
end
% 第6个子节点
child_node = [parent_node(1) - 1, parent_node(2) - 1];
if inpolygon(child_node(1), child_node(2), field(:, 1), field(:, 2))
if ~ismember(child_node, obs, 'rows')
child_nodes = [child_nodes; child_node];
end
end
% 第7个子节点
child_node = [parent_node(1), parent_node(2) - 1];
if inpolygon(child_node(1), child_node(2), field(:, 1), field(:, 2))
if ~ismember(child_node, obs, 'rows')
child_nodes = [child_nodes; child_node];
end
end
% 第8个子节点
child_node = [parent_node(1) + 1, parent_node(2) - 1];
if inpolygon(child_node(1), child_node(2), field(:, 1), field(:, 2))
if ~ismember(child_node, obs, 'rows')
child_nodes = [child_nodes; child_node];
end
end
%% 排除已经存在于closelist的节点
delete_idx = [];
for i = 1 : size(child_nodes, 1)
if ismember(child_nodes(i, :), closelist, 'rows')
delete_idx(end+1, :) = i;
end
end
child_nodes(delete_idx, :) = [];
end
⛄ 运行结果
⛄ 参考文献
[1] 徐哲扬.基于A-Star算法的机器人路径规划[J].赢未来, 2018(12):1.
[2] 卢昌宇.基于改进遗传算法的船舶局部路径规划研究[D].大连海事大学[2023-07-09].
[3] 卞永明,马逍阳,高飞,等.基于改进A-Star算法的AGV全局路径规划[J].机电一体化, 2019(6):7.DOI:CNKI:SUN:JDTH.0.2019-06-002.
[4] 周慧,李迎秋,刘振宇,等.基于A‐Star算法的快速路径规划混合方法:CN201510784783.1[P].CN105758410B[2023-07-09].
⛳️ 代码获取关注我
❤️部分理论引用网络文献,若有侵权联系博主删除
❤️ 关注我领取海量matlab电子书和数学建模资料
🍅 仿真咨询
1.卷积神经网络(CNN)、LSTM、支持向量机(SVM)、最小二乘支持向量机(LSSVM)、极限学习机(ELM)、核极限学习机(KELM)、BP、RBF、宽度学习、DBN、RF、RBF、DELM实现风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断
2.图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知
3.旅行商问题(TSP)、车辆路径问题(VRP、MVRP、CVRP、VRPTW等)、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、车辆协同无人机路径规划
4.无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配
5.传感器部署优化、通信协议优化、路由优化、目标定位
6.信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号
7.生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化
8.微电网优化、无功优化、配电网重构、储能配置
9.元胞自动机交通流 人群疏散 病毒扩散 晶体生长