【路径规划】基于A_star算法实现实际海图船舶航行避障最短路径规划附Matlab代码

✅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👇

智能优化算法       神经网络预测       雷达通信       无线传感器        电力系统

信号处理              图像处理               路径规划       元胞自动机        无人机 

⛄ 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：

1. 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。

2. 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。

3. 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。

4. 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。

5. 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。

6. 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