图搜索算法研究分析

 关注同名微信公众号“混沌无形”，阅读更多有趣好文！

原文链接：机器人图规划算法研究现状简述（包含原文PDF百度云下载链接）

​

​

​

 

第一类是图搜索算法，此类算法的主要特征是将地图栅格化后进行路径搜索，并致力于达到路径最短、效率最优等目标。 

如图 2.2所示，Dijkstra算法是最经典的图搜索算法之一，属于广度优先算法，采用遍历的方式，计算起点到终点的所有路径，并选择成本最低的路径，因此可搜索最短路径（网上有大量资料，故不赘述）。

 A*算法在Dijkstra算法基础之上，根据起始点和终止点的先验信息设计巧妙的启发式函数，减少搜索扩展的节点数，提高了路径搜索效率。（补充：后续算法名中带有*的算法，基本上暗含该算法采用了启发式函数）

 

针对A*算法在实际应用中的不足之处，后续研究者从内存消耗、实时性、动态环境适应性、移动目标追踪、路径质量等角度进行了深入研究和改进，具体如下：

• 内存消耗改进

  Korf、Chakrabarti、Zhou及Lovinger等人对此改进了A*算法，如IDA*[2]采用有限度的迭代加深（深度优先）算法，通过评价函数剪枝优化，降低了搜索内存消耗。SMA*[3]仅在超过设定内存空间时，才开始剪枝，并从open list储存数据结构、f-cost需求数量及节点备份与删除等方面简化改进。与SMA*不同，SMA*+[4]设计节点剔除启发式函数，在有限内存空间限制下，通过搜索空间的先验知识进一步提高了搜索性能。

• 实时性改进

  实时性一直是算法评估的重要指标之一，在有限时间内搜索一条可行路径更具实用意义。Korf、Bulitko、Koenig及Rivera等人对此改进A算法，RTA*[5]与LRTA*[6]在迁移到下一节点之前会更新启发值h，RTA*[5]选择第二小的成本更新节点h，LRTA*则选择最小值，相应的，RTA*在单次试验中的学习率更高，在相同的目标状态但不同的初始状态的情况下重复求解，LRTA*将随着时间的推移而提高效率，并最终收敛于最优解。RTAA*[7]则使用open list中的最佳节点的g值更新h值，以朝向A*规划方向搜索。虽然提高实时性，但却不能保证为最优路径。WRTA*[8]采用加权更新的方式，通过使用不同的学习规则将权重值w合并到h中，在计算成本和总搜索时间方面有极大改进。

• 动态环境适应性改进

  机器人运动场景多是动态、连续变化的，因此在动态环境中的相邻两次搜索得到的路径相似度较高，即路径局部一致性。Stentz、Koenig、Koenig和Likhachev等人基于重用已搜索节点信息的效率高于完全重新计算效率的基本思路改进A*算法，如D*[9]算法采用贪心算法从目标点反向搜索到机器人当前位置，并根据动态障碍物信息调整路径，并被应用于HMMWVs和Mars Rover机器人。不同于D*，LPA*[10]总能找到从初始固定起点到初始固定终点的最优路径，但不适用于机器人运动场景，D* Lite[11]改进LPA*，其节点的启发函数值随着起点的变化而变化，相较于D*，搜索效率得到提升，且实现过程得到简化。AD*[12]在此基础上考虑时间约束，能够在有限时间内重规划次优路径，极大提升机器人在动态环境中的实用性。

• 移动目标追踪改进

  当目标点动态变化时，上述适应动态环境算法的搜索效率将会降低，Sun、Hernández等人对此研究改进。GGA*[13]将三个状态点（当前点、下一点、目标点）纳入三角不等式以更新启发值，GFRA*[14]高效地将上移搜索树转化到当前搜索树，极大提高移动目标的效率，但无法适用于动态环境，而MTD*-Lite[15]在D*-Lite算法基础上借鉴GFRA*重用上一次搜索结果的思想，搜索效率提高到了GGA*的3-7倍。Tree-AA*[16]可重用当前及以前所有的A*搜索结果（可重用树），实现最优增量启发式路径搜索。

• 路径质量改进

  普通栅格地图搜索算法，其节点移动方向仅能为π/4的整数倍，因此Ferguson、Nash和Dolgov等人针对路径存在大量“细碎”折线段的问题提出了改进方法，如Field D*[17]是D* Lite的变种，节点能够沿任何方向扩展，而Theta*[18]是A*的变种，能够得到比Field D*更短的路径，但重规划不如Field D*，Incremental Phi*[19]结合了Theta*和D* Lite的优势，能够快速规划最优路径，Lazy Theta*[20]是Theta*的变种，降低了line-of-sight check次数，在不增加路径长度的同时，显著提升搜索效率。如图 2.4所示，Hybrid A*[21]在A中融入RS曲线约束，满足最小转弯半径约束，进一步提高路径连续性，并成功应用于无人车Junior。

 

 精彩的理论论证过程见原文链接（含全文下载链接）

由于网页排版效果一般，所以笔者按照期刊论文版式为小伙伴们整理了原文PDF，方便收藏和回味。

原文链接：（包含原文PDF百度云下载链接）
CSDN下载链接：机器人图规划算法研究现状简述PDF

如果喜欢的话，可以关注同名微信公众号“混沌无形”，阅读更多有趣好文！

​