Re: 问题比方法更重要（HeK 20211009）

原文: https://blog.csdn.net/minfanphd/article/details/120666884

1. 定义清楚问题
   输入、输出、优化目标、约束条件
   输入：1) 二维平面地图，地图的大小是已知的吗？2) 障碍是已知的吗（有可能走到面前才知道，并没有上帝视角）？3) 地图上的区域有差异吗（距离与路程是否一定成正比，如果有沼泽地就不一定了）？
   输出：从原点到终点的路径
   优化目标：1）路径最短；2）搜索时间最短。其实是多目标优化。
   约束条件：障碍物，导致有些顶点不可达

2. 输入：起始点坐标，终点坐标，障碍物坐标以及其影响范围，这里使用的都是圆形障碍物，方便判断。1) 地图大小对算法本身来说是未知的，2）障碍物在什么地方也是未知的，如果经过障碍物区域或走到面前才知道3) 地图上的区域只分为障碍物区域以及非障碍物区域，障碍物区域不可达，非障碍物区域性质一致。如果中途未经障碍物区域，距离与路程一定成正比。
   输出：一条从起点达到终点的避开障碍物的路径。
   优化目标：1) 搜索时间最短 2) 路径长度最短或接近最短
   约束条件：路径需要避开障碍物，障碍物范围内不可达。

3. 在本文中，起点：(0, 0)，图中显示为绿色。
   终点：(15, 12)，图中显示为红色。
   障碍物：设置了5个障碍物，均为黑色，不过半径不一样。
   实际地图范围：x轴0-15， y轴0-12。

图中，红色圆点为起点，标注为start。红色五角星为终点，标注为goal。在这里，使用的广度优先算法，dijkstra算法，遗传算法中的路径节点取值为离散的，即只走在整数坐标上（5，5）。每个节点可行的方向8个方向，即其周围相邻8个节点。在图中使用灰色线段画出，所有可行节点为灰色。图中标注了障碍物的中心坐标以及其影响范围。

3. 给出一个最简单粗暴的算法，最好是确定性的
   穷举法、动态规划算法（自底向上）
   dijkstra算法，算法不赘述。
   规划结果如图，在非障碍物区域移动到下一节点的路径为节点间的距离 ，

[(0,0), (1,0), (2,0), (3,0), (4,0), (5,0), (6,1), (7,2), (8,3), (9,4), (10,5), (10,6), (10,7), (11,8), (12,9), (13,10), (14,11), (15,12)]

路径长度为21.142135623730955。

广度优先搜索，从起点开始遍历相邻8个节点。直至遍历到终点为止。
规划结果如图，路径节点分别为

[(0,0), (1,0), (2,0), (3,0), (4,0), (5,0), (6,1), (7,2), (8,3), (9,4), (10,5), (10,6), (10,7), (11,8), (12,9), (13,10), (14,11), (15,12)]

，路径长度为21.142135623730955。

4. 寻找更优的算法，有可能是不确定性的智能算法
   分治法（减少时间的常用方法）
   遗传算法，算法思想比较简单。
   通过随机一定数量的初始化种群（理解为需要解决问题的解集），然后通过交叉（交换解的部分解值），变异（对解值做一定随机的变换），评估解的适应度（理解为解是否适合解决这个问题。在这里，使用路径长度，路径平滑度进行构造函数评估。），遗传，将生成的解集挑选部分解放入下次上述流程。直到达到最大迭代次数。
   遗传算法就是通过构造一定数量的解，只要解的数量足够多，就可能逼近或达到最优解。
   规划结果如图，路径节点分别为

[(0, 0), (1, 0), (2, 0), (3, 0), (4, 0), (5, 0), (6, 0), (7, 1), (7, 2), (7, 3), (8, 4), (9, 4), (10, 5),(10, 6), (10, 7), (11, 8), (12, 9), (13, 10), (14, 11), (15, 12)]

路径长度为22.313708498984766。