期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息

基于A*算法的坦克CGF全局路径规划 被引量：1

All Path Programming for Tank CGF Based on A* Arithmetic
下载PDF
导出
摘要 提出了一种应用A*启发式搜索算法对虚拟战场中坦克CGF(Computer Generated Forces)实体进行全局路径规划的方法,同时对A*算法进行了改进,利用二叉堆的结构组织OPEN表,大大加速了A*算法的搜索效率。所提方法可以处理较大规模的战场地形,具有较高的效率。 A method has been put forward in this paper ,which programs all path of tank CGF （Computer Generated Forces） entity in virtual battlefield by using heuristic A＊ search arithmetic. Meanwhile, A＊arithmetic is improved by using framework organization OPEN chart, which improves search efficiency of A＊arithmetic and deals with larger scale landform of battlefield with higher efficiency.
作者 燕明 李文清 周涛
机构地区 蚌埠坦克学院
出处 《指挥控制与仿真》 2008年第3期28-30,35,共4页 Command Control & Simulation
关键词 A＊算法 坦克CGF 路径规划 A＊arithmetic tank CGF path programming
分类号 E911 [军事] TJ811 [兵器科学与技术—武器系统与运用工程]
  • 相关文献

参考文献6

  • 1[2]Phillip John Mckerrow.Introduciotn to Robotics[M].Addison-Wesley,1991.
  • 2[3]Tomas Lozano-Perez.Spatial Planning:A Configuration Space Approach[J].IEEE Transaction on Computers.1983,32(2):108-120.
  • 3[4]Li Chen Fu,Dong Yueh Liu.An Eficient Algorithm for Finding a Collision-free Path Among Polyhedral Obstacles[J].Journal of Robotics Systems,1990,7(1):129-137.
  • 4王永庆.人工智能原理与方法[M].西安:西安交通大学出版社,2002.54—58.
  • 5王晓东.计算机算法设计与分析[M].北京：电子工业出版社,2002..
  • 6许精明.状态空间的启发式搜索方法研究[J].微机发展,2002,12(4):87-89. 被引量：4

共引文献18

同被引文献13

  • 1SU'fTON R S , BARTO A G. Reinforcement learning: an introduction [ M ]. London : MIT Press ,2005.
  • 2BARTO A G , MAHADEVAN S. Recent advances in hierarchical reinforcement learning [ J ]. Discrete Event Dynamic Systems : Theory and Applications, 2003, 13 (4) : 41-77.
  • 3SUTTON R S, PRECUP D, SINGH S P. Between MDPs and semiMDPs: a framework for temporal abstraction in reinforcement learning[ J]. Artificial Intelligence, 1999, 112(1/2) :181-211.
  • 4PARR R. Hierarchical control and learning for Markov decision process [ D ]. Berkeley: University of California, 1998.
  • 5DIETTERICH G T..Hierarchical reinforcement learning with the MAXQ value function decomposition [ J ]. Journal of Artificial Intelligence Research, 2000, 13 ( 1 ) : 227 -303.
  • 6LITTMAN M L. Markov games as a framework for multiagent reinforcement learning [ C ]// Proceedings of the 11th International Conference on Machine Learning,San Francisco : Morgan Kaufmann, 1994 : 157-163.
  • 7HU Junling, WELLMAN M P. Nash Q-learning for gen- eral-sum stochastic games [ J ]. Journal of Machine Learning Research, 2003 (4) : 1039-1069.
  • 8TADEPALLI P, GIVAN R, DRIESSENS K. Relational reinforcement learning: an overview [ C ]//Proceedings of the ICML2004 Workshop on Relational Reinforcement Learning, Banff, Canada, 2004.
  • 9TAN M. Multi-agent reinforcement learning: independent vs cooperative agents [ C]//Proceedings of the 10th International Conference on Machine Learning, 1993:330- 337.
  • 10孙彪,朱凡.采用粒子群优化算法的无人机实时航迹规划[J].电光与控制,2008,15(1):35-38. 被引量：10

引证文献1

二级引证文献8

指挥控制与仿真
2008年 第3期

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部