图搜索、A*算法（待补充）

图，图的遍历，在二维运动规划中应用普遍

1、DFS深度优先搜索，栈、递归

stack

2、BFS广度优先搜索，队列

图搜索中，广度优先搜索，可以找到最短路径吗？

Queue

Visited列表

同心圆扩散

3、贪心（启发式）

改变原来队列的FIFO模式，给不同的节点加入优先级（距离终点最近的节点），使用PriorityQueue

4、Dijkstra（最短路径）

记录每个节点到起点的当前最短路径消耗Cost（长度），并将Cost作为该节点在PriorityQueue中的优先级

5、A star

这种 A* 算法的约束用公式表示为:

f(n)=g(n)+h(n)

对应到代码中, 也就指代以下代码:

priority =​​​​​​​ new_cost +heuristic (goal, next)

其中, f(n) 是指从起点到当前节点的代价值, 也就是 priority, 总代价越低, priority 越小, 优先级越高, 越早被 frontier. get()遍历到。 g(n) 指 new_cost, 从起点到当前节点 已知的代价值, h(n)是指从当前节点到终点所需代价的最终估算代价。

A*算法主要维护两个列表：Open List 和 Close List 。 Open List 指的是 Frontier，表示接下来有可能要遍历的一系列节点。Close List 包含所有已经遍历过了的节点。

部分思路参考《无人驾驶原理与实践》

Apollo 6.0 的 A star planner - 知乎

路径规划之 A* 算法

百度Apollo中的A*算法实现笔记_robinvista的博客-CSDN博客

Apollo项目Routing模块A*算法剖析_知行合一2018的博客-CSDN博客