智能移动小车AGV简介演示幻灯片.pptVIP

3. 搜索算法 A* (A) 这里要 介绍的是， 把前面所说的切线图和 V oronoi 图作为搜索图 G ，选出从起始节点 ns 到目标节点 ng 的 最佳 ( 或满足 ) 路径的算 法 A* ( 或选出 任意路径 的算法 A ) 。 算法 A*( 或 A) 一面计算节点 n 的费用 f(n) ，一面搜索图 G 。 费用 f(n) 是 从起始节点 ns 经由当前节点 n 到目标节点 ng 的最小费用 ( 最短 距离 ) 的估价函数。 可用下式计算： f （ n ） = g(n)+h(n) 式中， g(n) 是 起始节点 ns 和当前节点 n 之间的 现时点上的最小费 用 ( 最短距离 ) ；而 h(n) 是 当前节点 n 和目标节点 ng 之间的 最小 费用 h*(n) 的估计值 ，称为启发式函值 。 OPEN 是管理以后扩展节点的明细表，所有节点按费用 f （ n ） 递 增顺序排列， CLOSED 是管理已扩展节点的明细表。 通常 A*( 或 A) 等搜索算法，从节点 n 扩展的所有节点 n 中，把必 要的节点同费用 f(n) 都标注 OPEN 上 ( 参看 算法的第⑤步 ) ，这 个操作称为“扩展节点 n” 。 31 算法 A*(A) 的程序流程说明： ① 把起始节点 ns 代入 OPEN 。 ② 如果 OPEN 是空表，由于路径不存在，所以算法终止。 ③ 从 OPEN 取出先头 ( 费用 f 最小 ) 的节点 n ，并把它移到 CLOSED 。 ④ 如果节点 n 是目标节点 ng ，则顺次返回到来自的节点上 ( 程序 上是追寻 ( 返回 ) 指针 ) 。然后，若是到达起始节点 ns ，则终止算 法，得到一个路径。 ⑤ 如果不是这样，扩展节点 n ，把指针从其子孙节点 n 返回到 节点 n ( 记住从哪来的 ) 。然后，对所有的子孙节点 n 做以下 工作 : ? 节点 n 如 果不在 OPEN 或 CLOSED 表中，则它就是新的搜索节点。因 此，首先计算估计值 h(n) ( 从节点 n 到节点 ng 的最短距离的估计值 ). 其次 , 计 算评价值 f(n)=g(n)+h(n) ( 这里 g(n)=g(n)+c(n 、 n) , g(ns)= 0 ,c(n 、 n) 是连接 节点 n 和 n 弧的费用 ) 。然后，把节点 n 同估计值 f （ n ） 都代入 OPEN 。 ? · 若节点 n 存 在于 OPEN 或 CLOSED 表中，则它就是已被搜索的节点。于 是，把指针换到带来最小值 g(n) 的路径上 ( 变更来自的地方 ) 。然后，在这个 指针发生替换时，若节点 n 存在于 CLOSED 中，则把它返回到 OPEN 后，再 计算值 f(n)=g(n)+h(n) 。 ⑥ 返回到② 32 算法 A*(A) 的程序流程 33 ? 估计值 h 比真值 h* 小或相等时 ，上述的算法 变为 A* ，可选出 从起始节点 ns 到目标节点 ng 的 最佳路径 ( 总计费用最小的路径 ) 。 ? 若估计值 h 比真值大 ， h* 算法 则变为 A ，可选出从起始节点 ns 到目标节点 ng 的 满足要求的路径 ( 总计费用不是最小的路径 ) 。 ? 因此，机器人的路径规划多用从当前地点 ( , , ) 到目的地 ( , ) 的平方范数 定义估计值。这个估计值 h 常常比 h* 小，成为算法 A* ， 用它可选择最佳路径。 图 7-20 的搜索图 G 存在估计值 h ( 在节点上用括号给出 ) 比真值 h* 大 的节点。例如，节点 A 和 H 的估计值 h 是 8 和 4 ，但到达目的地的 最小真值是 7 和 2 。由于这个费用评价过大，存在于最短路径上 的节点 H 等可以忽略， 算法错过了费用 8 的最佳路径 ， 最终得到 费用 9 的满足要求的路径。 p X p Y g X g Y 2 2 ) ( ) ( p g p g Y Y X X ? ? ? 34 E D F G H I B C A S (7) 3 2 (5) (5) (5) (3) (8) (1) (4) (3) 2 2 1 3 3 2 3 2 2 4 4 1 图 7-20 搜索图 G( 有的地方估计值比真值大 ) E D F G H I B C A S (7) 3 2 (5) (5) (5) (3) (8) (1) (4) (3) 2 2 1 3 3 2 3 2 2 4 4 1 图 7-20 搜索图 G( 有的地方估计值比真值大 ) 35 D （ 9 ） S （ 7 ） S(7) A (10) B(8) (a) (b) S （ 7 ） A (10 ） B （ 8 ） D （ 9 ） E （ 8 ） C （ 8 ） F