基于D*Lite算法的估价函数分析

为提高D*Lite算法在机器人路径规划中的效率,提出3种基于D*Lite算法的估价函数。研究函数的特性及其构造原则,结合Aε*算法的特点,利用估价函数的可纳性约束设计其改进算法。实验结果表明,改进算法能减少扩展节点的数量,提高搜索效率,并保证其解在一定范围内的最优性。

A~*估价函数在复杂配送路径优化中的改进

随着城市交通日趋复杂,时间和路径成本直接决定路径规划的效果,但传统的A^*算法已经不能满足复杂路径优化的需求。对此,提出了一种TWA^*算法,在传统的A^*算法基础上对其估价函数进行了改进。首先,通过时间参数建立时间因子归一化模型来提高节点被选择概率,节约时间成本;其次,结合时间因子与估价函数降低路程成本。实验采用北京市某一区域GPS数据,分别用A^*算法和TWA^*算法进行验证,结果表明,与传统A^*算法相比,TWA^*算法在时间及路径成本上分别提高了约6%和5%,达到了路径优化的目的,同时为企业物流的高效配送提供了较可靠的参考依据。

A^＊算法估价函数的特性分析

确定估价函数是A*算法中最关键的问题。在对估价函数特性进行分析的基础上,讨论了它的几个一般构造原则,并简要介绍一些试验经验及若干实例。

粗糙域A＊算法估价函数最优权研究

A*算法的核心问题是估价函数的构造及其权值确定问题。通常估价函数构造和权值确定主要依赖实验和经验法,这样构造的估价函数粗略,算法的复杂度较高且实时性差。为了解决这一问题,本文通过对粗糙域粗糙属性概率分布的分析,得出基于粗糙域A*算法估价函数的最优权与粗糙属性概率分布的标准差的相关性,并通过实验对结果进行了验证。实验结果表明最优权的确定使A*算法的复杂度明显降低,且能够满足实时应用的需要。

空间布局中估价函数的一种构造方法

研究如何利用有关问题域的启发信息以降低计算费用是人工智能求解的基本问题之一，本文以计算机结构布局设计为背景，提出了构造布局设计中估价函数的ＡＨＰ方法．通过计算估价函数值，采用最佳优先搜索策略，可避免组合爆炸，保证在有限的时空界限内找到满意解．本文所提出的方法不仅适用于空间布局设计，而且容易推广到一般设计问题，具有重要的应用价值．

游戏搜索算法中估价函数的构造策略

估价函数是游戏搜索算法中的核心函数,构造一个好的估价函数非常困难,需要对求解问题领域知识有很深的认识和丰富的编程经验和技巧。本文提出了一个通用的构造估价函数的基本方法,并给出了一个实用的五子棋人机对弈程序的估价函数。

基于A星搜索算法的5G前传路由选取技术

在基于到光纤直驱和波分复用等技术的5G前传网络中,无论使用哪种前传承载技术方案,均涵盖不同路由站点之间传输的场景。本文基于启发式图搜索法——A星搜索算法的思路,结合基站前传的特征以及分析盲目的图搜索的劣势,提出新的估价函数思想,并且为5G前传路由的选取提供一种更为高效的算法。

一个高效率的中间关系估价方法

为了提高数据库的响应速度,就解决中间关系数量问题,本文提出了一种用边缘分布函数代替精确分布函数的新算法,该算法使得中间估价函数信息易得到,占用空间少,运算简单且精度高。

基于DE-Q学习算法的移动机器人路径规划

针对使用Q学习算法对移动机器人进行路径规划时存在收敛速度较慢的问题,提出了一种基于Q学习的改进算法来选择全局路径规划的最优方案。通过方向奖惩机制与估价函数改进Q学习算法的奖励机制,提高Q学习算法的收敛效率。最后使用MATLAB对改进的Q学习算法进行了仿真实验,实验结果表明,通过设置方向奖惩机制和估价函数可以加速Q学习算法的收敛。

一种改进的移动机器人路径规划A*算法

在路径规划中,针对传统的A*算法存在的搜索效率低、路径转向次数多及路径不平滑等问题,提出了一种改进的A*算法。该算法采用自适应搜索邻域并叠加跳点搜索策略来扩展子节点,以确保在不影响算法搜索效率的前提下缩短路径长度和减少路径转向次数;根据被扩展路径与最近障碍物的距离,进一步筛选子节点,以加强路径的安全性;对估价函数进行优化,以提高算法的搜索效率;对A*算法规划的路径使用引入虚拟控制点的3次B样条曲线进行平滑处理,以消除路径转折点处的尖峰,使路径更短、更平滑。仿真结果表明,改进算法在进行路径规划时,相比4邻域A*算法,搜索时间减少17.5%,路径长度减少8.1%,路径转向次数减少56.5%,转角总和减少76.2%;相比8邻域A*算法,搜索时间减少14.1%,路径长度和路径转向次数相近,转角总和减少57.4%,且lo,min增大,路径更安全。

基于改进A~*算法的移动机器人安全路径规划

论文针对传统A~*算法规划所得路径在安全性与平滑性方面的不足进行了改进。首先,根据节点与障碍物的最小距离定义该节点存在的安全威胁代价,并将其引入A~*算法的估价函数,以提高规划路径的安全性。其次,对规划路径进行平滑优化处理,并在平滑操作过程中引入路径评价机制以保证所得平滑路径的代价值不会增大。仿真结果表明,改进后的A~*算法规划所得路径的长度更小,而其安全性和平滑程度都有大幅提高,因而更加符合移动机器人的实际运行需求。

粗糙域Voronoi图离散生成算法研究

Voronoi图是计算几何的一个重要分支,粗糙域Voronoi图是Voronoi图概念在复杂生成面上的扩展。提出了粗糙域Voronoi图的概念并利用A*算法计算生成面上点与各母点的最短路径对其进行离散生成。为了降低粗糙域Voronoi图离散生成算法的复杂度,对粗糙域下A*算法估价函数权值与粗糙域粗糙特性的关系进行了深入探索。实验结果表明,A*算法估价函数权值与粗糙域粗糙特性正相关,并以此获得A*算法估价函数的最优权,大大降低了粗糙域Voronoi图离散生成算法的复杂度。

基于启发式算法的无人机三维航迹规划仿真研究

通过引入状态空间节点的概念生成三维航迹搜索空间,将原来的航迹规划问题简化为在状态空间中的搜索寻优问题。再利用改进估价函数,将约束条件和优化的搜索算法相结合,有效减小搜索空间,提高搜索速度。仿真结果表明,生成的航迹具有自主地形跟随、地形规避和威胁规避的能力,并具有根据任务决策偏好选择飞越威胁的能力。

基于A^＊算法的舰船最佳航线选择

提出利用A*启发式搜索算法选择舰船最佳航线,对算法中利用的估价函数作了定量的描述.通过实例与传统的图搜索算法选择最佳航线进行比较,A*算法不仅减少了搜索的结点数目,而且搜索效率较Dijkstra算法可以提高30%～40%.

A^＊算法的改进及其在路径规划中的应用

A*算法是一种启发式搜索算法,在路径规划中得到广泛的应用,其中启发函数的设计尤其重要。本文针对路径规划问题,对A*算法作了以下改进:一是在估价函数中考虑以距离和方向两个要素,通过归一化处理解决了单位不统一的问题;二是利用k-d树空间索引结构,动态加载节点信息,减小内存使用空间。实验结果表明,改进后的A*算法的搜索效率得到了明显的提高。

A~＊路径规划算法的改进及实现

针对A*算法在路径规划过程中因遍历节点多而导致搜索时间长和路径规划距离长的问题,对A*算法进行了改进.改进算法采用两点间的欧氏距离作为估价函数,并以前向搜索和后向搜索交替进行的方式来减少路径规划时间.仿真结果表明,改进算法在搜索时间和距离上分别比A*算法减少了0.0184s和42m,在搜索得到的路径长度和算法运行时间上明显优于A*算法.

移动自组网中能量有效的路由算法

在移动自组网中,减少移动节点电池能量消耗,延长网络总的使用时间,成为路由协议性能优劣的一个很重要的指标。该文提出了一种关于节点能量估价函数PCF(PowerCostFunction)新的计算方法,这个函数考虑了节点能量的剩余和当前能量的使用情况,能够很好地在一条路径中找到有效的关键节点。该文还结合路径的最小能量代价和PCF,提出了一种加权路由选择算法WRMPCF(theWeightedRouteMechanismbasedPCF),有效延长了瓶颈节点的生命和网络的使用时间。以DSR路由协议为例,通过ns-2模拟的结果显示WRMPCF路由算法比以前相关的路由算法具有更好的性能。

A算法在梵塔问题中的应用

介绍了启发式搜索A算法及其在梵塔问题中的应用,利用极值方法设计了一种估价函数,提高了搜索效率,减少了搜索量。

面向可交互式智慧鱼群的权重动态约束的粒子群方法

针对粒子群算法在短程迭代的状况下搜索精度差、波动大、粒子状态考证不足的问题,提出了一种面向可交互式智慧鱼群的权重动态约束的粒子群算法。根据粒子状态将粒子群进行分离,对粒子群进行动态约束管理,并使用"系数收敛管理器"的概念保留了粒子间的差异化运动。设定估价函数,采用权重动态约束,完成粒子群的快速求解,并使之应用于智慧鱼群模拟。结果表明,在大规模虚拟生物集群移动中,权重动态约束效果最好;完成智慧鱼群运动时,明显优于普通粒子群算法,且速度明显加快。该方法已经很好的用在了自主开发的虚拟水族馆系统中,运行稳定可靠。

A*算法在飞行冲突解决策略中的应用

为实现对航空器飞行冲突调配策略的自动搜索和优化,首先对飞行冲突的探测方法、冲突类型及解决策略进行了分析。利用A*算法构造了策略选择模型,为减少搜索空间,设定了以管制员工作负荷最小为优化目标的估价函数。北京区域管制中心02扇扇区TZH导航台附近的航路仿真算例表明了该方法的可行性,为管制员的指挥提供了科学的决策支持。