Anytime Dynamic A* (AD*)算法分析

最近关于路径规划的文章更新较少，这几天闲下来，决定再写一篇关于AD* 的算法介绍。首先依照惯例，引用大佬文献：
Likhachev M, Ferguson D I, Gordon G J, et al. Anytime Dynamic A*: An Anytime, Replanning Algorithm[C]//ICAPS. 2005, 5: 262-271.

总体介绍

最近结合实践，对这个算法有了更深的体会。AD* 是基于A* 的框架进行的改编，如果说A* 只是在理论上对基于搜索的路径规划进行了阐述，那么AD* 就是使得A* 更能适应工程实践。

• 之前介绍过ARA* 解决了在机器人行进途中进行实时重规划的问题，使得机器人可以迅速得到一条虽不是最优但是可行的路径，得到次优路径之后如果有时间，机器人会继续优化路径，让路径逐渐向最优靠近；如果没时间，机器人就按照次优路径继续行进。
• AD* 还是为了解决工程问题，AD* 理论上融合了ARA* 和LPA* 的优点。 LPA* 是要解决在机器人在路径跟随阶段出现额外障碍物的情况，这里的额外障碍物可能是随机出现的行人，也可能是建图后由于SLAM算法不太靠谱造成的地图偏差，使得地图中原本有障碍物的地方在建图后消失了。
• 因此，AD* 可以解决在动态环境下实时进行重规划的问题，满足工程实践的需求，可以用于未知环境探索。

具体算法细节以后补充。。。。。