路径规划
有时候在机器人和游戏中,我们可能想要找到从A点到B点的最优路径。这个最优路径可以是最短路径,花费最少的时间去遍历的路径,或者需要最少能量去遍历的路径。找到最优路径的过程称为路径规划。
路径查找的其他应用是:套利机会 -想象一下,你可以将100,000肯尼亚先令兑换成4,800加纳塞地,然后将4,800加纳塞地兑换成1008美元,然后转换回102,020肯尼亚先令。只需将货币兑换成货币即可获得2,020肯尼亚先令= 20美元。这可以适用于任何和所有资产。
单词阶梯拼图 -想象你有“cat”这个词,你需要把它改成“dog”。但是,您一次只能更改一个字母。而且你只能从一个有效的单词改为另一个 - “cat”,“bat”,“bag”,“bog”,“dog”。
城市之间的最短路径 -你想在内罗毕和阿克拉之间进行公路旅行。你可以看到内罗毕和阿克拉之间的城市名单以及连接它们的不同高速公路。连接两个城市的每条高速公路都有成本和风景优美的价值。你怎样才能找到从内罗毕到阿克拉最便宜的路线,或者风景最优美的路线?
计算机网络 -给予计算机网络(例如,点对点应用程序),您如何找到从机器A到机器B的最短路径。
社交网络 - 您可以在社交媒体图中找到两个人之间的最短距离。这通常被称为Degrees of Separation。像Facebook这样的社交媒体应用可能会用它来推荐你的新朋友。
列生成优化 -最短路径问题是可以通过列生成技术来解决的一类优化问题的基础。例子包括车辆路由问题和可生存性网络设计问题。
路径规划算法
到目前为止,您已经对什么是路径规划及其应用有了了解。下面是一些算法的例子,可以用于路径规划:波前算法 -给出一张地图,该算法在所有可能的方向上均匀探索。
Dijkstra算法 - 这种算法有利于探索需要较低成本的路径。
A *算法 - 这是最好的第一搜索算法,因为它首先搜索最有希望的方向,即最接近目标的方向。我们将为需要从A点移动到B点的机器人实现A *算法。
地图(网格)
我们的网格图如下图所示。机器人需要找到A点(开始)和B点(停止)之间的最短路径。
可以将其转换为如下Python代码。所有的可通过单元都是0,所有的障碍单元都是1。从一个单元格到其相邻单元格的遍历成本是1。#!/usr/bin/env python3
total_cols = 8
total_rows = 6
traversible = 0
obstacle = 1
''' An adjancency list representing a robot's known traversal environment'''
grid = [[0, 0, 0, 0, 0, 0, 0, 0],
[0, 0, 0, 1, 1, 1, 0, 0],
[0, 0, 1, 0, 0, 0, 1, 0],
[0, 0, 1, 0, 0, 0, 1, 0],
[0, 0, 1, 0, 0, 0, 0, 0],
[0, 0, 1, 0, 0, 0, 0, 0]]
start = (4, 5) # tuple of 2 values (c,