融合改进A^(*)和蚁群算法的多目标路径规划

由于A^(*)算法无法用于多目标路径规划,而且在单目标路径规划中易触碰障碍物、转折次数多、路径不够平滑等问题,提出一种融合改进A^(*)算法和蚁群算法的多目标路径规划方法。首先,在A^(*)算法中改进节点搜索条件,使所规划的路径与障碍物保持一定安全距离;然后,采用最优转折点选取方法对A^(*)算法产生的全段路径进行处理,选取出最优转折点,解决了A^(*)算法路径冗余、路径转折次数多的问题,然后利用自适应B样条函数对基于关键节点的整段路径进行分段优化,得出一条平滑的路径;最后,融合蚁群算法使A^(*)算法可进行多目标路径规划。仿真结果表明,融合后的改进A^(*)算法不仅实现了多目标路径规划,而且相比于A^(*)算法规划出来的路径转折次数明显减少,路径长度减小,累计转折角度也大大降低。

基于背向障碍物搜索A^*算法的平滑路径规划

提出一种基于背向障碍物搜索方式的改进A^*算法。为了剔除路径中不必要的转折点,同时保证与障碍物的距离,采用提取最优转折点策略。引入三次均匀B样条插值函数,平滑优化转折点之后的路径。仿真实验证明:提出的改进A^*路径规划算法,保证了规划出的路径与障碍物留有一定距离,且总体路径更加平滑,更有利于移动机器人的控制。