![38b03ccf0ee8f73e485dc57bdbae788b.png](https://i-blog.csdnimg.cn/blog_migrate/82ad2e2721094ec064b8ae8bced66833.jpeg)
A*(念做:A Star)算法是一种很常用的路径查找和图形遍历算法。它有较好的性能和准确度。其于1968年,由Stanford研究院的Peter Hart, Nils Nilsson和Bertram Raphael发表。它可以被认为是Dijkstra算法的扩展。 A* 算法是一种启发式算法,它利用启发信息寻找最优路径。A* 算法需要在地图中搜索节点,并设定适合的启发函数进行指导。通过评价各个节点的代价值,获取下一需要拓展的最佳节点,直至到达最终目标点位置。A* 算法优点在于对环境反应迅速,搜索路径直接,是一种直接的搜索算法,因 此被广泛应用于路径规划问题。其缺点是实时性差,每一节点计算量大、运算时间长,而且随着节点数的增多,算法搜索效率降低,而且A* 算法并没有完全遍历所有可行解,所得到的结果不一定是最优解。
A*算法通过下面这个函数来计算每个节点的优先级。
其中:
·
·
·
A*算法在运算过程中,每次从优先队列中选取
另外,A*算法使用两个集合来表示待遍历的节点,与已经遍历过的节点,这通常称之为open_set和close_set。
完整的A*算法描述如下:
* 初始化open_set和close_set;
* 将起点加入open_set中,并设置优先级为0(优先级最高);
* 如果open_set不为空,则从open_set中选取优先级最高的节点n:
* 如果节点n为终点,则:
* 从终点开始逐步追踪parent节点,一直达到起点;
* 返回找到的结果路径,算法结束;
* 如果节点n不是终点,则:
* 将节点n从open_set中删除,并加入close_set中;
* 遍历节点n所有的邻近节点:
* 如果邻近节点m在close_set中,则:
* 跳过,选取下一个邻近节点
* 如果邻近节点m也不在open_set中,则:
* 设置节点m的parent为节点n
* 计算节点m的优先级
* 将节点m加入open_set中
启发函数
上面已经提到,启发函数会影响A*算法的行为。
· 在极端情况下,当启发函数
· 如果
· 如果
· 如果
· 在另外一个极端情况下,如果
由上面这些信息我们可以知道,通过调节启发函数我们可以控制算法的速度和精确度。因为在一些情况,我们可能未必需要最短路径,而是希望能够尽快找到一个路径即可。这也是A*算法比较灵活的地方。在实际运用中,比如栅格地图中,需要考虑道路的优先级,不同的道路需要不同的权值,还有就是AGV的特性也有很大的影响,比如有些AGV的转弯代价很高,直行代价很小,所以考虑最短路径的情况下也要考虑AGV不同行走方式的不同代价。综合上面这些因素,和你的选择和设计启发函数和代价函数。
网格形式的图,如果用距离来代表损失则有以下这些启发函数可以使用:
· 如果图形中只允许朝上下左右四个方向移动,则可以使用曼哈顿距离(Manhattan distance)。
· 如果图形中允许朝八个方向移动,则可以使用对角距离。切比雪夫距离
· 如果图形中允许朝任何方向移动,则可以使用欧几里得距离(Euclidean distance)。
本文主要引用了https://paul.pub/a-star-algorithm/
算法的代码 paulQuei/a-star-algorithm
参考资料:
https://www.cs.cmu.edu/~motionplanning/lecture/AppH-astar-dstar_howie.pdf