夜光精讲Opentcs三大算法（四）路径算法.pdfVIP

夜光精讲Opentcs三⼤算法（四）路径算法 夜光序⾔： 我们经历着⽣活中突然降临的⼀切，毫⽆防备，就像演员进⼊初排。如果⽣活中的第⼀次彩排便是⽣活本⾝，那⽣活有什么 价值呢? 正⽂： 适应不同的场景地图且保证系统的鲁棒性，实现有效避免地多态ＡＧＶ碰撞或死锁，系统需要通⽤的中央调度控制系统 实现多ＡＧＶ协同作业的实时监控、拥塞控制、交通管控、任务调度、历史数据存储和⽆线通信等功能。因此如何通过协同 调度实现多机器⼈并⾏执⾏多个任务是研究的核⼼问题。 路餐算法实现⽅案 本⽂由预设地图来⽣成所有站点之间可适路径组成的路径⽹ 最短路径问题分析： 在⽹络或拓扑图中，求解两个不同点之间的所有可⾏路径中边的权值之和最⼩的那条路径，就是两点之间的最短路径求解问题。其中，路径 中的第⼀个点为源点（起始点ＳｏｕｒｃｅＰｏｉｎｔ），最后⼀个点称为终点（⽬标点ＤｅｓｔｉｎａｔｉｏｎＰｏｉｎｔ）。 最短路径求解问题分为两类：单源最短路径问题和多源最短路径问题。 单源最短路径问题指的是从某⼀固定源点触出发，求解其到图中某⼀点或其他所有点之间的最短路径。多源最短路径问题求任意两点之间的 最短路径。 路径算法研究现状 对于路径算法的研究已⾮常成熟，⽐较经典的遗传算法、⼈⼯势场⽅法、基于实例学习的群体智能法被⼴泛应⽤于连续空间路容规划，如局 部避障等场景。 ⾯对复杂环境的多ＡＧＶ运动，有研究通过传统⽅法规划路径进⾏移动，当检测到障碍物时，当前点为起始点，进⾏局部运动轨迹的重新规 划，直⾄达到⽬标点，但这相应提⾼了计算量和需要重新规划的次数，极端情况下可能最终⽆法到达⽬标点，并不利于解决⼤规模地图。 且上述⽅法耍确保地图中机器⼈视野内的障碍物位置任意时刻都是已知的，将机器⼈假设为点，忽略了机器⼈的体积带来的碰撞和转弯问 题，同时未考虑复杂多变环境所带来的不确定性以及ＡＧＶ在装载货物时停留等操作的⼤量时间，因此⼤多研究仍停留在少数机器⼈运动的 理论场景。 本⽂研究的模型是将连续空间变换为离散空间系统模型，更适合⽤图搜索算法，求取全局最优解，降低计算复杂度。拓扑图 ⼀般分为⽆向图、有向有权图和有向⽆权图五种。 本⽂提出的解决⽅案，需要预设⽣成⼀张全局坐标地图并存储任意两点之间最短路径的路径⽹，因此属于有权有向图的多源最短路径求解问 题~~ ⽬前⽐较经典且通⽤的针对有权有向图的多源最短路径算法主要有： １．直接将单源最短路径算法调⽤｜Ｖ｜遍 常⽤的⽐较成熟的单源算法有Ａ＊算法、Ｄ＊算法、深度优先算法（ＤＦＳ）、⼴度优先算法（ＢＦＳ）和Ｄｉｊｋｓｔｒａ算法等。 Ａ＊算法适⽤的地图不宜过⼤，且不适合权重等不断变化的动态路⽹环境，启发函数的选取和多条最短路径的选择直接影响算法效⽤，⽽Ａ ＧＶ由于其巧存限制导致不宜采⽤资源耗费⼤的启发式算法。 Ｄ＊被称为动态Ａ＊算法，⽤于随时间更改的地图环境，但需要维护＂信息场＂，信息场的数据量与整个地图环境中的节点数⽬保持同⼀个 数量级。 因此当环境发⽣变化时，信息更新的代价巨⼤。 Ｄｉｊｋｓｔｒａ算法⽤于计算从⼀个固定源点到其他所有节点的最短路径，其特点是以起始源点为中⼼，向外层层扩展，直⾄扩展到⽬标 点位置。 将单源Ｄｉｊｋｓｔｒａ算法拓展为多源时，对于图Ｇ＝（Ｖ，E） 顶点集合为｜Ｖ｜，边的集合为｜Ｅ｜ 则时间复杂度由Ｔ＝０（｜Ｖ｜^2＋｜Ｅ｜）变为Ｔ＝０（｜Ｖ｜^3＋｜Ｅ｜* ｜Ｖ｜），因此更适合稀疏图。