M2M团队软件设计大赛PPT.pptVIP

基于M2M算法模型的寻路引擎及其演示 M2M Group South China University of Technology content 内容 宏观--微观算法模型(M2M Model) 来源于人类认知思维模式的算法模型 解决问题从宏观出发，排除一些不需要考虑的因素， 锁定一个更窄的范围，直到一个粒度适合的规模，然 后就可以迅速地解决问题。 M2M算法模型简介 First Level（Only one Part） Second level （16 parts ) Third level （256 parts) M2M算法模型 M2M算法模型的核心特点 基础 算法 共享的 预处理 应用 算法 应用 领域 宏观微观分析 M2M算法模型的应用领域 基于M2M算法模型的寻路算法 M2M寻路算法是一种宏观－微观(Macro To Micro)寻径算法。这种寻径算法思路相对于传统寻径算法思路来说，更加类似于人（human-like）的思维模式，它是结合了人类宏观启发式思维的优势和计算机微观处理的速度优势而产生的高效的寻径算法。 传统的寻径算法的局限性： 寻径的效率低 动态性差 随着地图规模的不断变大，尤其是面对未来3D场景中的寻路任务，对寻路算法的效率要求越来越高。此外, 实际场景中寻路地图的频繁的局部变化，包括边的变化，顶点的变化等，要求寻路算法具备较好的动态性。 预处理过程： 预处理过程按从粒度最小的层到粒度最大的层的顺序建立分层数据结构，并对每个分块中的连通分支进行分析。 查询过程演示： 查询过程演示： M2M寻路算法实验演示： Dijkstra HA* HPA* PRA* M2M Preprocessing sharing No Poor Poor Poor Good Parallelism Poor General Poor Good Good Dynamics No General Poor Good Good Multiple levels and various granularities No Yes Yes Yes Yes Step-wise refinement No No Yes Yes Yes Balance between accuracy and efficiency No Yes Yes Yes Yes Spreading time cost over execution time No No Yes Yes Yes Works on generic maps Yes No Yes No Yes Extend to 3D Yes Yes No Poor Yes The Comparison Among Pathfinding Algorithms 3D地图寻路演示： 。 寻路应用领域 SIMD（Single Instruction, Multiple Data）架构， 可以利用GPU（Graphic Processing Unit）强大的 并行计算能力来快速建立M2M模型，发挥M2M模 型的并行性 可以更广泛地去处理最优化等许多领域的问题 改进算法以便处理更复杂的地图 2.扩展到多维空间 1.改进算法 3.GPU（Graphic Processing Unit）计算 M2M寻路引擎的未来： 将M2M寻路引擎、 M2M碰撞检测引擎和3D显示引擎统 一起来成为一套成熟的开源AI(人工智能）引擎，努力做 到成功的商业运营。 游戏寻路引擎(作为中间件，销售对象为游戏二次开发商） 其他商业用途 商 业 构 想 M2M寻路引擎的未来：