图论、图搜索算法-CSDN博客

本文链接：https://blog.csdn.net/weixin_45929038/article/details/122954116

基础概念

配置空间、工作空间

机器人配置（Robot Configuration）：对机器人上所有点的位姿描述
机器人自由度（Robot Degree Of Freedom, DOF）：描述机器人路径规划的最少坐标数量 $n$ 。
机器人配置空间（Robot Configuration Space, C-Space）：包含机器人所有可能位姿的 $n$ 维空间
机器人位姿在配置空间中假定为一个点
机器人工作空间（Robot Workspace）：机器人实际工作的复杂环境

障碍物、运动规划

机器人具有不同的形状、尺寸大小，障碍物（Obstacle）的碰撞检测需要了解机器人的形状、大小等属性，较为复杂：

在这里插入图片描述

故而，一般在配置空间中做机器人的路径规划问题。已知机器人位姿在配置空间C-space中假定为一个点，例如欧氏空间下的机器人位姿可使用 $\Re^{3\times3}\in SO(3)$ 进行表示。则可将障碍物进行膨胀得到配置空间中的障碍物（C-Obstacle），若机器人所在点不落在C-Obstacle范围内，则判定机器人处于自由状态下，不会被碰撞：C-Free。

在这里插入图片描述

配置空间由障碍物及自由空间组成： $(C-Space)=(C-Obstacle)\cup(C-Free)$

移动机器人的运动规划是在机器人的起点 $q_{start}$ 到机器人的目标点 $q_{goal}$ 之间，处于 $C - F r e e$ 空间中的规划。

图搜索（Graph Search Basis）

图（Graphs）

图是一种由节点（Nodes）和边（Edges）构成的抽象网络，网络中各个节点由边进行连接，表明两节点存在关系。

在这里插入图片描述

节点（Node）

节点表示某个事物或对象，如上图中各个带字母的点。

边（Edge）

边表示事物与事物间的逻辑关系，如上图中两节点间的绿线。

同构（Isomorphism）

同构的两张图具有相同的节点及节点间连接的边，同构图仅存在画法的不同，但包含的逻辑关系不变。

在这里插入图片描述

有向图（Directed Graph）、无向图（Undirected Graph）

无向图的边没有方向，而有向图的边具有方向性。

在这里插入图片描述

如上图，有向图的方向如下： $D\to A\to G$ 、 $D\to C\to E$ 、 $B\to A\to G$ 、 $B\to C\to E$ 、 $B\to F\to E$

权重（Weight）

图上的边具有权重值，每条边的权重可以不同，表示由一个节点至另一个节点的代价值。如下图由节点 $A$ 到节点 $G$ 的权重值为4。

在这里插入图片描述

路径（Path）、最优路径（Shortest Path）

图上任取两点作为起点与目标点，由起点到目标点，不经过重复节点和边的路线称为路径。由起点到目标点最短的路径称为最优路径，在选择最优路径时往往需要考虑边的权值。

图搜索（Search-based Method ）

对图结构进行搜索，从起始节点 $S$ 到目标节点 $G$ ，将生成一个搜索树：

在这里插入图片描述

通常，构建一个完整的搜索树结构，所需要的代价很高。图搜索算法的基本逻辑如下：
$\begin{aligned} &1:维护一个用于存储所有被访问节点的容器\\ &2:容器内初始值为起点X_s\\ &3:开始循环Loop\\ &4:\qquad访问节点：根据预先定义的评分函数（Score\:Function）从容器中取出一个节点\\ &5:\qquad扩展节点：获得该节点的所有邻居节点\\ &6:\qquad置入节点：将获得的邻居节点置入容器\\ &7:结束循环End \end{aligned}$
循环结束条件一般置为抵达目标节点，或容器中所有节点被弹出，容器为空。

广度优先搜索（Breadth First Search, BFS）

广度优先算法基于队列（Queue）进行，遵从于先进先出的原则进行：

在这里插入图片描述

举例说明如下：

在这里插入图片描述

广度优先搜索搜先从起点节点 $s$ 开始，首先弹出节点 $s$ ，得到三个邻居节点 $d 、 e 、 p$ 并置入容器中；随后弹出其中一个节点 $p$ ，得到其邻居节点 $q$ 置入容器；其次，再弹出一个节点 $e$ 并将其邻居节点 $h 、 r$ 置入容器；周而复始，弹出 $d$ 并将其邻居节点 $b 、 c 、 e$ 置入容器……知道搜索到目标为止。

应注意，对于邻居节点置入容器的顺序需要被确立，如从左到右置入、顺时针置入等方式。

深度优先搜索（Depth First Search, DFS）

深度优先搜索基于堆栈（Stack）进行，遵从于后进先出原则进行：

在这里插入图片描述

举例说明如下：

在这里插入图片描述

首先，从起点节点 $s$ 开始搜索，弹出节点 $s$ 后，得到邻居节点 $d 、 e 、 p$ 并将其置入容器；随后，弹出节点 $d$ 得到其邻居节点 $b 、 c 、 e$ 置入容器；周而复始，弹出 $b$ 得到邻居节点 $a$ 置入容器后，发现对 $a$ 进行搜索无邻居节点，故而再一次弹出节点 $c$ 得到其邻居节点 $a$ ，同样无邻居节点并再次弹出 $e$ ……直到抵达目标节点 $G$ 时离开循环。