A算法估价函数分析及其改进探讨.docVIP

A算法估价函数分析及其改进探讨 来源:中国硕士论文网- 　　1 引言 　　A*算法是目前最流行的启发式搜索算法（Heuristic Search），该算法由Hart、Nilsson、Raphael 等人首先提出，该算法是建立在Dijkstra 算法的基础之上，创新之处在于探索下一个结点的时候，引入了已知的路网信息，特别是目标点信息，增加了当前结点有效评估，即增加约束条件，作为评价该结点处于最优路线上可能性的量度，因此首先搜索可能性较大的节点，从而减少了探索结点个数，提高了算法效率。　　A*算法执行效率高低的关键在建立一个合适的估价函数,估价函数构造得越准确，则A*搜索的时间越短。经典A*算法在大范围地图情况下，搜索路径时存在很多不足，例如扩展节点空间比较大，运行时间比较长。本文针对这种情况，在详细分析估价函数特性的基础上，提出一种新的估价函数构造方法，对经典A*算法进行改进，提高了运行效率，并仿真验证结果的有效性。 　　2 估价函数 　　估价函数的任务就是估计待搜索结点的重要程度，给它们排定次序。评价函数f（x）可以是任意一种函数，如定义它是结点x 处于最佳路径上的概率，或是x 结点和目标结点之间的距离，或是x 格局的得分等等。一般来说，评价一个结点的价值，必须综合考虑两方面的因素：已付出的代价和将要付出的代价。在此，我们把评价函数f（n）定义为从初始结点经过n 结点到达目标结点的最小代价路径的代价估计值。 　　2.1 估价函数特性分析　　在 A*算法中，结点n 的估价函数f（n）由以下公式给出：　　f （n） = g（n） + h（n）　　g（n）是起始点到达n 的实际路径代价，h（n）就是n 到达目标点最短路径的启发函数。A*算法的估计函数具有以下一些性质：　　1） 可采纳性　　凡是一定能找到最佳求解路径的搜索算法称为可采纳的（admissible），数学上已严格证明A*算法是可采纳的。其充要条件是：对任意结点n,都有h（n） ≤ h （n） , h‘（n）是n 到目标的实际最短距离。这时，也称h（n）是可采纳的。只有应用可采纳的h（n）的最好优先算法才是A*算法，否则只能算做A 算法。　　2） 单调性　　谓单调性就是指??A*算法中，如果对其估价函数中的h*（x）部分即启发性函数，加所以适当的单调性限制条件，就可以使它对所扩展的一系列节点的估价函数值单调递增（或非递减），从而减少对OPEN 表或CLOSED 表的检查和调整，提高搜索效率。 　　2.2 构造原则　　通过对估价函数特性的分析，我们可以得出结论：启发函数h（n）必须可采纳，最好还具有单调特性，但单调特性不是必须的。　　h（n）可采纳就一定能找到最短路径，但h（n）与实际值h’（n）不能差得太远。差得越远，A*最后的搜索拓扑就越接近一个完全的宽度优先搜索。最极端的情况：h（n）=0 时，A*就完全退化为宽度优先搜索。那么，h（n）要尽可能接近h‘（n）。理论上来说，h（n）=h’（n）是最好的，估计值就是实际值，但这在实际中是不可能达到的还有一点，关于启发函数h（n）的信息量问题，所谓h（n）的信息量，就是在估计一个结点的值时的约束条件，如果信息越多（或说约束条件越多），则估价函数越准，排除的结点越多，那么A*性能越好。宽度优先搜索之所以不可取，就是因为它的启发函数h（n）一点启发信息都没有。但是h（n）的信息越多，计算量就越大，耗费的时间也就越多。而一般的路径规划系统里通常要设置超时控制的代码，当内存消耗过大或用时过久就退出搜索。那么就应该适当的减小h（n）的信息量，即减少约束条件，但这样又会导致算法准确性下降，所以设计h（n）时需要根据具体应用环境来进行综合平衡设计。 　　2.3 常用的估价函数 HYPERLINK /taglb-4.html \t _blank 计算机硕士论文　　在实际情况中，通常是使用 h（n）的实值函数，再通过试验优化。根据这些积累下来的经验合理地构造估价函数，可以得到更好的结果。常用的估价函数有以下几种：　　设xi 的坐标为（x，y），终点xe 的坐标为（xe，ye）。　　1） 曼哈顿距离　　标准的估价函数是曼哈顿距离（Manhattan distance）即：两点在南北方向上的距离加上在东西方向上的距离。　　2） 对角线距离　　如果在搜索中允许对角运动，那么需要一个不同的启发函数。（4 east，4 north）的曼哈顿距离将变成8*D。然而，可以简单地以（4northeast）代替，所以估价函数应该是4*D。　　3） 欧几里得距离　　如果单位可以沿着任意角度移动（而不是网格方向），那么可以使用直线距离。　　比较这三种常用的估价函数，计算两点间的欧几里得距离是最基本的，但是常常与实际情况