基于A算法的最优路径选择.pdfVIP

基于A*算法的最优路径选择 周祥，陈宁 武汉理工大学交通学院，武汉（430063 ） E-mail ：zilan.3405@163.com 摘 要：最优路径选择是智能交通的关键问题之一，本文在研究了众多的最短路径算法的基 础上，采用A*算法解决最优路径选择的问题。并基于A*算法进行实验，以验证这一算法的 可行性。 关键词：最优路径；智能交通；A*算法 中图分类号：U116.2 1．引言 公共交通系统是城市交通系统的重要组成部分，由于公共交通对交通资源的高效利用， 使得通过大力发展公共交通，实行公交优先成为缓解日趋严重的道路交通紧张状况的必然选 择。在路径选择时，公交出行者总希望选择最快捷的线路(即综合考虑时间、费用的交通阻 抗值最小的线路) 出行，可称之为最短路因素。在给定城市交通路网的拓朴结构的条件下， 如何选择一条最优路径以使网络费用最小，是智能交通运输系统的主要目的。 目前应用较广泛的最短路径 SP (shortest path)算法有 Dijkstra 算法、A* 算法、PSP (partitioning shortest path)算法和DBFS (dynamic breadth-frist search)算法等。 2. A*算法简述 2.1 Dijkstra 算法与最优优先搜索 [1][2] Dijkstra 算法又称标号法 ，它将网络结点分为未标记结点、临时标记结点和永久标 记结点3 种类型。网络中所有结点首先初始化为未标记结点，在搜索过程中和最短路径结点 相连通的结点为临时标记结点，每一次循环都是从临时标记结点中搜索距起始结点路径长度 最短的结点作为永久标记结点，直至找到目标结点或者所有结点都成为永久标记结点才结束 算法。它迭代检查待检查结点集内的结点，并把和该结点相邻的尚未检查的结点加入待检查 结点集。该结点集从初始结点指向目标结点，直到到达目标结点。Dijkstra 算法保证能找到 一条从初始点到目标点的最短路径，只要所有的边都有一个非负的代价值。 [3]按照类似的流程运行，不同的是它能够评估（称为启发式 最优优先搜索（BFS ）算法 的）任意结点到目标结点的代价。与选择离初始结点最近的结点不同的是，它选择离目标最 近的结点。BFS 是基于贪心策略的，它试图向目标移动（即使不是正确的路径）。由于它 仅仅考虑到达目标结点的代价，而忽略了当前已花费的代价。因此，BFS 不能保证找到一 条最短路径。然而，它比Dijkstra 算法快的多，因为它用了一个启发式函数（heuristic function ） 快速地导向目标结点。例如，如果目标位于出发点的南方，BFS 将趋向于导向南方的路径。 A*算法结合了Dijkstra 算法和最优优先搜索（BFS ）算法的优点，成为二维网格中求解 最短路最有效的方法之一。 2.2 A*算法 A*算法是一种典型的启发式搜索算法。如果将问题求解过程表现为从初始状态到目标 状态寻找最优路径的过程，启发式搜索就是在状态空间中的搜索对每一个搜索的位置进行评 估，得到相对最好的位置，再从这个位置进行搜索直到目标。 - 1 - 现代城市的布局一般采用“棋盘+环线” 的形式，如图1。图1 表示了拥有 17 个网络结点 的“棋盘+环线” 的网络结构模型，图中的边采用三元组表示(τ,W, D ) ，其中τ，W ，D 分别 表示实时的边流量(用整数值表示，数量越大，表示流量越大) 、边等待时间、边长度(