A-star和第k短路和次小生成树和Yen和MPS寻路算法.docVIP

A-star和第k短路和次小生成树和Yen和MPS寻路算法.doc

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
A*算法   A*(A-Star)算法是一种静态路网中求解最短路最有效的方法。   公式表示为: f(n)=g(n)+h(n),   其中f(n) 是节点n从初始点到目标点的估价函数,   g(n) 是在状态空间中从初始节点到n节点的实际代价,   h(n)是从n到目标节点最佳路径的估计代价。   保证找到最短路径(最优解的)条件,关键在于估价函数h(n)的选取:   估价值h(n)= n到目标节点的距离实际值,这种情况下,搜索的点数多,搜索范围大,效率低。但能得到最优解。   如果 估价值实际值, 搜索的点数少,搜索范围小,效率高,但不能保证得到最优解。   估价值与实际值越接近,估价函数取得就越好。   例如对于几何路网来说,可以取两节点间欧几理德距离(直线距离)做为估价值,即f=g(n)+sqrt((dx-nx)*(dx-nx)+(dy-ny)*(dy-ny));这样估价函数f在g值一定的情况下,会或多或少的受估价值h的制约,节点距目标点近,h值小,f值相对就小,能保证最短路的搜索向终点的方向进行。明显优于Dijstra算法的毫无无方向的向四周搜索。   conditions of heuristic   Optimistic (must be less than or equal to the real cost)   As close to the real cost as possible   主要搜索过程:   创建两个表,OPEN表保存所有已生成而未考察的节点,CLOSED表中记录已访问过的节点。   遍历当前节点的各个节点,将n节点放入CLOSE中,取n节点的子节点X,-算X的估价值-   While(OPEN!=NULL)   {   从OPEN表中取估价值f最小的节点n;   if(n节点==目标节点) break;   else   {   if(X in OPEN) 比较两个X的估价值f //注意是同一个节点的两个不同路径的估价值   if( X的估价值小于OPEN表的估价值 )   更新OPEN表中的估价值; //取最小路径的估价值   if(X in CLOSE) 比较两个X的估价值 //注意是同一个节点的两个不同路径的估价值   if( X的估价值小于CLOSE表的估价值 )   更新CLOSE表中的估价值; 把X节点放入OPEN //取最小路径的估价值   if(X not in both)   求X的估价值;   并将X插入OPEN表中; //还没有排序   }   将n节点插入CLOSE表中;   按照估价值将OPEN表中的节点排序; //实际上是比较OPEN表内节点f的大小,从最小路径的节点向下进行。   启发式搜索其实有很多的算法,比如:局部择优搜索法、最好优先搜索法等等。当然A*也是。这些算法都使用了启发函数,但在具体的选取最佳搜索节点时的策略不同。象局   部择优搜索法,就是在搜索的过程中选取“最佳节点”后舍弃其他的兄弟节点,父亲节点,而一直得搜索下去。这种搜索的结果很明显,由于舍弃了其他的节点,可能也把最好的   节点都舍弃了,因为求解的最佳节点只是在该阶段的最佳并不一定是全局的最佳。最好优先就聪明多了,他在搜索时,便没有舍弃节点(除非该节点是死节点),在每一步的估价   中都把当前的节点和以前的节点的估价值比较得到一个“最佳的节点”。这样可以有效的防止“最佳节点”的丢失。那么A*算法又是一种什么样的算法呢?其实A*算法也是一种最   好优先的算法。只不过要加上一些约束条件罢了。由于在一些问题求解时,我们希望能够求解出状态空间搜索的最短路径,也就是用最快的方法求解问题,A*就是干这种事情的!   我们先下个定义,如果一个估价函数可以找出最短的路径,我们称之为可采纳性。A*算法是一个可采纳的最好优先算法。A*算法的估价函数可表示为:   f(n) = g(n) + h(n)   这里,f(n)是估价函数,g(n)是起点到终点的最短路径值,h(n)是n到目标的最断路经的启发值。由于这个f(n)其实是无法预先知道的,所以我们用前面的估价函数f(n)做   近似。g(n)代替g(n),但 g(n)=g(n)才可(大多数情况下都是满足的,可以不用考虑),h(n)代替h(n),但h(n)=h(n)才可(这一点特别的重要)。可以证明应用这样的估价   函数是可以找到最短路径的,也就是可采纳的。我们说应用这种估价函数的最好优先算法就是A*算法。哈。你懂了吗?肯定没懂。接着看。   举一个例子,其实广度优先算法就是A*算法的特例。其中g(n)是节点所在的层数,h(n)=0,这种h(n)肯定小于h(n),所以由前述可知广度优先算法是一种可采纳的。实际也是   。当然它是一种最臭的A*算法。  

文档评论(0)

小教资源库 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档