路径规划算法笔记

Xuan-ZY

已于 2023-09-17 20:40:57 修改

阅读量564

点赞数

分类专栏：路径规划算法-ros 文章标签：笔记

于 2023-08-27 08:28:28 首次发布

本文链接：https://blog.csdn.net/yunddun/article/details/132427943

版权

路径规划算法-ros 专栏收录该内容

7 篇文章 0 订阅

订阅专栏

本文详细介绍了图搜索算法GBFS（GreedyBest-FirstSearch）、Dijkstra和A*在路径规划中的应用，探讨了它们的优缺点，包括GBFS的高效性与可能的次优解，Dijkstra的精确性与时间复杂性，以及A*的高效性和概率完备性。

摘要由CSDN通过智能技术生成

基于搜索的路径规划

图搜索算法：DFS、BFS、GBFS、Dijkstra、A*

JPS算法

DFS

在这里插入图片描述

BFS

在这里插入图片描述

GBFS

采用优先队列作为openlist
GBFS（Greedy Best-First Search）是一种启发式搜索算法，通常用于解决图搜索问题，例如图的最短路径或解决问题的状态空间搜索。下面是GBFS算法的优点和缺点：

GBFS的优点：

高效性：GBFS使用启发式函数（heuristic function）来估计节点到目标节点的距离，然后根据这个估计值选择下一个要扩展的节点。这使得它在大多数情况下能够快速找到解决方案，特别是当启发式函数能够提供良好的估计时。
节点扩展少：GBFS倾向于首先扩展那些离目标节点更接近的节点，这导致它通常需要扩展的节点数量较少，相对于一些其他搜索算法，如广度优先搜索（BFS）和深度优先搜索（DFS），它通常更高效。

GBFS的缺点：

不保证最优解：GBFS不像A*搜索算法那样保证找到最优解。它只能找到第一个达到目标节点的解决方案，而不一定是最短路径或最佳解决方案。这是因为GBFS只根据启发式函数的估计值来选择下一个节点，而不考虑已经走过的路径的实际代价。
启发式函数的质量影响结果：GBFS的性能高度依赖于所使用的启发式函数的质量。如果启发式函数提供了不准确的估计，GBFS可能会导致不良的搜索结果，可能陷入循环或产生次优解。
不适用于问题的动态性：GBFS通常用于静态问题，其中问题的状态空间不随时间变化。对于动态问题，需要考虑重新规划或使用其他搜索算法。

总的来说，GBFS是一种高效的搜索算法，适用于许多问题，但需要谨慎选择和调整启发式函数，以确保获得良好的性能。如果需要找到最优解，可能需要考虑使用A*搜索算法或其他保证最优解的算法。

h（n）：从当前节点到终点的移动代价
在这里插入图片描述

Dijkstra

采用优先队列作为openlist
Dijkstra算法是一种用于解决单源最短路径问题的经典算法，它有一些优点和缺点，下面我将分别列出它们。

Dijkstra算法的优点：

精确性：Dijkstra算法能够找到从一个起始节点到所有其他节点的最短路径，而且保证结果的准确性。这使得它在需要准确路径信息的情况下非常有用，比如导航系统和网络路由算法。
广泛适用：Dijkstra算法适用于不带负权边的有向图或无向图。这意味着它可以应用于许多实际问题，而不会出现负权环的问题。
可以生成路径信息：Dijkstra算法不仅可以找到最短路径的长度，还可以生成实际的路径信息，这对于许多应用非常重要，如地图导航。

Dijkstra算法的缺点：

时间复杂度高：Dijkstra算法使用贪心策略，每次选择距离最近的节点进行扩展，但在稠密图中，它的时间复杂度为O(V^2)，其中V是节点的数量。在稀疏图中，可以通过使用最小堆等数据结构来降低时间复杂度到O(E + V*log(V))，其中E是边的数量。然而，这仍然可能会导致较长的计算时间，特别是在大型图中。
不适用于带有负权边的情况：Dijkstra算法不适用于包含负权边的图，因为它假定所有边的权重都为非负数。如果图中存在负权边，该算法可能会产生不正确的结果。
不考虑其他因素：Dijkstra算法只考虑了路径的长度，而不考虑其他因素，如交通状况、道路条件等。在某些实际应用中，这可能不足以产生最佳路径。
不适用于动态图：如果图的结构或边的权重经常变化，Dijkstra算法的效率可能会受到影响，因为它需要重新计算所有路径。

综上所述，Dijkstra算法在许多情况下是一个有效的最短路径算法，但需要考虑到它的时间复杂度和对负权边的不适用性，以及在实际应用中可能需要考虑的其他因素。在某些情况下，其他算法，如Bellman-Ford算法或A*搜索算法，可能更适合解决最短路径问题。

g(n):从起点到当前节点的移动代价
在这里插入图片描述

A*算法

代码思路

把起始格添加到 "开启列表" 
do 
{ 
        寻找开启列表中F值最低的格子, 我们称它为当前格. 
        把它切换到关闭列表. 
        对当前格相邻的8格中的每一个 
        if (它不可通过 || 已经在 "关闭列表" 中) 
        { 
                什么也不做. 
        } 
        if (它不在开启列表中) 
        { 
                把它添加进 "开启列表", 把当前格作为这一格的父节点, 计算这一格的 FGH 
        }
        if (它已经在开启列表中) 
        { 
                if (用 G 值为参考检查新的路径是否更好, 更低的G值意味着更好的路径) 
                { 
                        把这一格的父节点改成当前格, 并且重新计算这一格的 GF 值. 
                } 
        }
} while( 目标格已经在 "开启列表", 这时候路径被找到) 
如果开启列表已经空了, 说明路径不存在.
 
最后从目标格开始, 沿着每一格的父节点移动直到回到起始格, 这就是路径.