基于平滑A^＊算法的移动机器人路径规划

栅格环境下A*算法规划出的移动机器人路径存在折线多、转折次数多、累计转折角度大等问题.为获得较优路径,提出平滑A*算法.在A*算法规划的路径基础上,遍历路径中的所有节点,当某一节点前后节点连线上无障碍物时,将延长线路的这一中间节点删除,建立平滑A*模型.仿真结果表明,平滑A*算法优于Ant(蚁群),Anyti me D*算法.平滑A*算法路径长度降低约5%,累计转折次数降低约50%,累计转折角度减少30%～60%.平滑A*算法能处理不同栅格规模下、障碍物随机分布的复杂环境下移动机器人路径规划问题.

基于A＊算法的空间机械臂避障路径规划

针对空间机械臂在轨操作任务需求,提出一种基于A*算法的避障路径规划算法。根据机械臂和障碍物几何特征,对机械臂模型和障碍模型进行简化。通过研究机械臂本身所固有的几何特性,根据障碍物的位姿坐标,分析机械臂各杆件与障碍物发生碰撞的条件,进而求解空间机械臂的无碰撞自由工作空间。在此基础上,利用A*算法在空间机械臂的自由工作空间进行无碰撞路径搜索,实现了空间机械臂的避障路径规划。通过仿真试验验证了基于A*算法的空间机械臂避障路径规划算法的有效性与可行性。

基于改进A~＊算法的越野路径规划研究

针对车辆的越野路径规划问题,研究并分析了地形坡度和地表属性对于车辆路径规划的综合影响。引入了窗口移动法对地形进行先期的坡度计算和通行性分析,就轮式车辆和履带式车辆分别建立了地表属性的粗糙度评价指标,并采用面积占优法将地表属性栅格化。通过建立禁忌表,叠加了坡度与粗糙度的约束影响以减少搜索范围,提高搜索效率。构造了改进A*算法的估价函数,并结合expand表、open表、closed表以及path表设计了考虑坡度和粗糙度约束的路径优化算法。仿真结果表明,该算法能够快速有效地实现符合真实地形环境的越野路径规划。

基于稀疏A＊算法的三维航迹并行规划算法

提出三维稀疏A*算法的规划时间组成,并分析该算法的时间复杂度和并行性,随后给出并行任务划分的不同策略.判断OPEN表中是否存在与新节点相同节点的准则修改为:只比较OPEN表中代价比新节点代价小的节点,新准则可以有效地减少对共享式OPEN,CLOSED表的瓶颈效应.提出的三维航迹并行规划算法在并行机群环境中实现,实验结果表明时间效果改善明显.

改进A^＊算法及其在GIS路径搜索中的应用

路径选择在实际运用中主要追求的是最优而不是最短。为此通常采用精度换效率的策略。这种策略虽然在一定程度上达到了路径搜索的任务要求,但如果能在精度和效率之间综合取值的话,效果往往会更令人满意。采用了一种改进的A*算法来实现这一目的。主要是通过变权值的方式来控制算法的搜索精度和搜索效率。实验证明,改进的A*算法可以实现最优路径的选择,且效率有很大的提高。

基于改进A^＊算法的无人机航路规划方法研究

提出了一种基于改进A*算法的无人机航路规划方法,解决了A*算法大空间搜索耗时多的问题。仿真结果表明,该方法计算速度快,易于实现。

基于A＊算法的无人机攻击轨迹解算

借鉴飞行器航迹规划方法,提出用A*算法来解算无人机攻击轨迹。首先对原始地图进行预处理,基于威胁信息等效为山峰的思想,生成了三维等效数字融合地图;然后,利用介绍的A*算法,对路径寻优进行建模仿真,实时规划出无人机攻击目标的轨迹;最后,通过分析算法的时间复杂度,结合攻击轨迹仿真结果,得到了可以在无人机攻击目标时快速生成攻击轨迹的结论。

基于A^＊算法的无人机航路规划算法

针对无人机航路规划空间建模和规划算法的设计问题,研究了地理地形、敌方雷达和禁避飞区等约束条件的建模问题;针对规划空间较大时,A*算法规划时间长信息存储量大这一问题,将规划分为两步,应用A*算法进行离线规划生成预规划航路,以预规划航路作为参考选择局部目标点进行在线规划;为了使得规划航路满足无人机的机动性能约束,利用3次B样条曲线对航路进行平滑处理。仿真结果表明,该算法性能优于稀疏A*算法,适用于无人航路规划的工程应用。

基于DPSO的改进AO^＊算法在大型复杂电子系统最优序贯测试中的应用

针对大型复杂电子系统最优序贯测试问题,提出一种基于离散粒子群算法（DPSO）和改进AO^＊算法相结合的方法.DPSO优化AO^＊算法中每个要扩展节点的测试集从而减少测试个数;改进AO^＊算法通过规定扩展节点估价值的范围,减少其回溯次数.实例验证表明,该算法不仅有效地降低了计算复杂度,大大减少测试代价,缩短测试时间,而且避免了原有AO^＊算法当备选的测试集太大时容易出现“计算爆炸”的缺点.

基于改进A^＊算法的飞行器三维航迹规划算法

提出了改进A*算法并应用于飞行器航迹规划,该算法把地形平滑技术融合到路径搜索的过程中,使平滑处理只需满足路径选择方向的飞行坡度要求和飞行器过载限制,得到的最优航迹更加贴近地形。在相同的条件下对改进A*算法和传统算法进行仿真比较,传统算法需要35 s左右收敛得到优化航迹并且代价函数为32.15;改进算法能在24 s内找到代价函数最优的飞行器三维航迹且代价函数为28.26,仿真结果表明改进A*算法在收敛速度和最优路径代价函数结果都明显优于传统算法,是一种有效的三维航路规划方法。

基于改进稀疏A~＊算法的高超声速飞行器航迹规划技术

文章首先全面分析高超声速飞行器航迹规划的特殊性,然后对威胁场模型和规划过程中所要考虑的几何约束、性能约束、热流约束、燃料/路径等约束条件进行建模,再将航迹规划问题划分为参考航迹规划和可飞航迹规划两部分,设计高超声速飞行器航迹规划完整流程和一种改进的变步长稀疏A*算法,最后进行了仿真分析。仿真结果表明:规划出的航迹满足高超声速飞行器各种可飞行要求,并能够避开各种威胁,且规划时间短,稳定性好。

A^＊算法改进及其在动态最短路径问题中的应用

动态最短路径搜索算法是智能交通系统技术应用的关键问题之一．为了解决这一问题,提出以一致性原则动态形式为基础的动态A*算法(dynamic A* algorithm,DA* algorithm)并证明了在两节点间动态下界满足一致性原则动态形式前提下,该算法能够求解满足先进先出原则的动态网络中两节点间最短路径问题．在以广州市交通路网为基础的动态网络上对DA*算法进行试验．试验结果表明,Dijkstra算法的和A*算法的平均计算时间分别是DA*算法的6．55和1．43倍．

基于A＊算法的远程导弹三维航迹规划算法

提出了一种基于A*算法的三维航迹规划方法.该方法将远程导弹的运动学模型离散化,利用导弹过载作为控制量,并结合约束条件,直接对三维空间进行最优航迹搜索.航迹规划过程不仅结合了导弹的本身机动特性,并且充分利用地形信息进行地形回避和威胁回避.仿真实验表明,该方法能够直接规划出三维空间中满足导弹过载约束的最优航迹.

基于改进A＊算法的滑翔飞行器轨迹规划

为了研究滑翔飞行器再入过程中的侧向机动问题,A*算法的相关理论被引入到轨迹规划中。飞行距离较远时,地球的曲率必须加以考虑,且再入过程中飞行器会受到各种过程约束。针对现有规划方法中在平面上进行A*算法推演的局限性,本文提出了一种基于椭球面A*算法的轨迹规划方法。通过推导将过程约束引入A*算法搜索过程中,从而规划出合理的轨迹。仿真结果表明,本文所提出的方法能够快速地对再入段的轨迹进行有效规划,具有很强的实用性。

基于A＊算法的实时航迹规划方法研究

根据巡航导弹实时航迹规划时效性强、弹载计算设备的运算速度和内存容量有限等特点,将巡航导弹的机动性能约束与规划空间的划分结合起来,构造了一个较小的搜索空间,然后在此缩小了的搜索空间内利用A*算法具有的启发式特点,可在有效时间内搜索到满足要求的可行航迹.最后,通过一个例子对A*算法进行了验证.

基于改进A~＊算法的电子制造装备布线方法研究

影响电子制造装备整机快速开发和可靠性的瓶颈之一是电气布线,其核心为布线路径的优化搜索问题。针对上述问题,提出了一种基于改进A*算法,在估价函数中引入了折弯耗费和工艺耗费,同时增加了刚性因子,以减少搜索时间。通过算法驱动搜索最优路径,得出合理的解决方案。

基于多目标A～＊算法的游戏NPC路径规划

为游戏中非玩家控制角色(NPC)设计自动寻路算法是人工智能领域研究的一大热点,随着游戏环境的复杂化,仅仅将路径长度作为游戏NPC路径规划的目标已经不能满足真实游戏场景的寻路要求。实际的游戏寻路需要获得满足多个目标的折中最优路径,这才符合人工选择的路径结果。由此,提出了基于代价向量多目标A*算法的路径规划方法——MOVA*算法。通过将新方法寻路结果与人工选择路径进行实验对比,得出所提算法比传统路径规划算法实时性高、灵活性强,其获得更加智能、接近人工选择路径的寻路结果。

基于A~＊算法的三维地图最优路径规划

研究了基于A~*算法的适合人步行行走的山地环境下三维地图最优路径规划算法及实现.本文考虑了三维山地无路网信息覆盖的条件较差环境,对A~*算法进行改进,并利用三维地形DEM数据计算出一条相对平缓且长度较短的三维路径.改进算法对三维条件下路径最短的评价标准由原有的空间距离累加最短改进为先将空间等效成水平距离,再计算距离是否最短.同时,本文充分考虑了搜索点周围环境的整体坡度信息作为启发信息,来降低算法寻找的路径走在陡坡上的概率.实验表明,本算法最终计算出的三维最优路径在平缓度及路径最短上有所改善,基本符合人步行行走的习惯.

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%.

基于数据链的无人机航路规划A＊算法研究

介绍了无人机航路规划技术的现状,对数据链体制下的无人机通信指挥模式进行了研究,结合数据链改进了A*算法,引入惯性权重系数,并使用了线性权值自适应方法。M atlab仿真表明,该算法很好地实现威胁回避及地形回避。