《Anytime Dynamic A*: An Anytime, Replanning Algorithm》论文 个人读后小结

这篇论文主要介绍了三种算法，分别是

1. Dynamic Replanning Algorithms：就我们常说的动态规划算法，论文中主要以D* Lite为例进行了简单的介绍。

2. Anytime Algorithms：这一类算法不要求规划出最小代价路径，而要求在有限的时间内规划出一个epsilon-suboptimal solution，可以理解为一个次优解。

3. Anytime Dynamic A* (记作：AD*): 结合上面D* Lite算法和ARA*算法提出的一种新的算法。

D* Lite算法

D* Lite算法主张规划出一个从起点到终点的最小代价路径。为此，算法中提出了2个估计值，分别是:

g(s)  --- > 表示 结点s到goal结点的代价估计值

rhs(s) --->表示 a one-step lookahead cost：

其中Succ(s)表示s的后向结点集合,c(s,s')表示从结点s到s'的代价，即我们常说的路权。

详细了解可以阅读论文

下面是D* Lite算法伪代码：

ARA*算法

这里主要介绍的是一种与规划时间有关的A*-based算法。在很多情况下，最短路径不一定就是我们想要的，还需要考虑时间等因素。在有限的时间内得到好的、可行的结果才是我们想要的。ARA*算法就是解决这类问题的。

在学习A*算法时我们了解到： f(n)=g(n)+h(n)中关于h(n)的选取：

用d(n)表达状态n到目标状态的距离，那么h(n)的选取大致有如下三种情况：

1  如果h(n)< d(n)到目标状态的实际距离，这种情况下，搜索的点数多，搜索范围大，效率低。但能得到最优解。
2  如果h(n)=d(n)，即距离估计h(n)等于最短距离，那么搜索将严格沿着最短路径进行， 此时的搜索效率是最高的。
3  如果 h(n)>d(n)，搜索的点数少，搜索范围小，效率高，但不能保证得到最优解。

第三种情况说到，当h(n)>d(n)的时候，会搜索较少的点，快速的产生一个解。ARA*算法就是用到了这一点（至少我是这样理解，如有误，欢迎指出）

        key(s)的计算中，它用到了epsilon*h(Sstart,S),且epsilon>1(比如后面的实验中用到的2.5，1.5).此时快速得到一个解，然后减小epsilon的值，继续规划新的更好的解（epsilon=1）。如果给出的限定时间到了，则输出当前的最新可行解（epsilon-suboptimal solution）。

        论文中关于epsilon如何减小没有提到。

AD*算法

As shown in the previous sections, there exist efficient algorithmsfor coping with dynamic environments (e.g. D* andD* Lite), and complex planning problems (ARA*). However,what about when we are facing both complex planningproblems and dynamic environments at the same time?

AD*算法就是结合了上面两种情况提出的新算法，算法伪代码如下：