基于自适应步长策略的A＊算法路径规划优化.pdfVIP

ＤＯＩ：１０．１３８７８／ｊ．ｃｎｋｉ．ｊｎｕｉｓｔ．２０２３０２１８００１

付雄李涛１１，２

∗

基于自适应步长策略的Ａ算法路径规划优化

摘要０引言

∗

针对Ａ算法求解路径轨迹耗时长、

内存占用大等问题，本文提出一种基于［１⁃２］

路径规划不仅在机器人运动方面有重要的作用，在无人机自

∗［３］［４］

自适应步长策略改进Ａ算法．首先，根主避障飞行、游戏中自动引路系统等方面也有广泛应用．路径规

据当前点与终点的位置关系，设定寻路

划的目的是在充满复杂障碍物的环境中找到一条从起点到终点的最

方向的优先级顺序，减少不合理方向上

［５］

的冗余规划计算量；其次，修改到达终点佳路径．关于机器人路径优化的问题，国内外许多学者进行了大量

的判断条件，可在轨迹规划时实现路径的研究．本文主要针对机器人路径规划效率展开研究．

∗

的跳跃；再次，针对Ａ算法轨迹规划效∗［６］［７］∗

现有的路径规划算法有很多种，包括Ａ算法、蚁群算法、Ｄ

率低的问题，提出自适应步长策略；最

［８］［９］［１０］［１１］

后，针对内存占用大，以及面对大地图时算法、ＲＲＴ算法、人工势场法、模拟退火法等．蚁群算法是

可能出现的内存溢出问题，提出了八方一种仿生算法，它模拟大自然蚂蚁寻找食物的过程，具有较强的鲁棒

向搜索法．实验结果表明，相较于原始的∗

性特征，但存在计算量大、求解时间长等问题．单纯的Ｄ算法并不考

∗∗

Ａ算法，改进的Ａ算法在轨迹规划效

率上获得了极大的提升，同时内存占用虑目标方向问题，通过暴力搜索的方式寻得最优解，但在环境地图增

大的问题也得到了很好的解决．∗

大时，其计算量也会急剧增加．Ａ算法是一种基于启发函数的路径规

关键词

∗

划算法，也是目前常用的机器人路径规划算法．Ａ算法在求解过程

∗

路径规划；Ａ算法；自适应步长

中，会不断将当前节点及周围８个邻近点添加到封闭列表和开放列表

中图分类号ＴＰ２４２中进行代价评估，因此会导致大量非必要的节点加入到计算中，存在

文献标志码Ａ［１２］

计算效率低下等问题．Ｇｏｌｄｂｅｒｇ等研究了评估函数的启发强度，提

［１３］