news 2026/2/1 11:46:06

扩展邻域A* Astar astar路径规划 A星路径规划算法 基于珊格地图的路径规划 因代码...

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
扩展邻域A* Astar astar路径规划 A星路径规划算法 基于珊格地图的路径规划 因代码...

扩展邻域A* Astar astar路径规划 A星路径规划算法 基于珊格地图的路径规划 因代码具有可复制性,

A*算法(A-Star)是一种经典的路径规划算法,在栅格地图中被广泛应用。它结合了Dijkstra算法和贪心算法的思想,通过使用启发式函数来估计到目标的代价,从而在路径规划中表现出较高的效率。

A*算法的基本原理

A*算法的核心在于使用一个优先队列(通常用最小堆实现)来选择下一步扩展的节点。每个节点的总代价F(n)由两部分组成:

  • G(n):从起点到当前节点n的实际代价。
  • H(n):从当前节点n到目标节点的启发式估计代价(通常使用曼哈顿距离或欧氏距离)。

算法每次从优先队列中取出F(n)最小的节点进行扩展,直到找到目标节点。

栅格地图的表示

栅格地图通常可以用一个二维数组表示,其中每个元素表示一个栅格的状态(如0表示可通过,1表示障碍物)。

grid = [ [0, 0, 0, 0, 0], [0, 1, 0, 1, 0], [0, 0, 0, 0, 0], [0, 1, 0, 1, 0], [0, 0, 0, 0, 0] ]

扩展邻域A*算法

传统的A算法通常使用4个方向(上下左右)或8个方向进行扩展。扩展邻域A算法通过增大扩展的范围,可以更有效地找到全局最优路径。

八邻域扩展

八邻域扩展允许从当前节点向八个方向移动,这有助于更灵活地避开障碍物。

# 八邻域的移动方向 directions = [ (-1, 0), # 上 (1, 0), # 下 (0, -1), # 左 (0, 1), # 右 (-1, -1), # 左上 (-1, 1), # 右上 (1, -1), # 左下 (1, 1) # 右下 ]
启发式函数

使用欧氏距离作为启发式函数,可以更好地估计到目标的距离。

def heuristic(node, goal): return ((node[0] - goal[0]) ** 2 + (node[1] - goal[1]) ** 2) ** 0.5

算法实现

以下是扩展邻域A*算法的一个简单实现:

import heapq def astar(grid, start, goal): open_set = [] heapq.heappush(open_set, (0, start)) came_from = {} g_score = { (x, y): float('inf') for x in range(len(grid)) for y in range(len(grid[0])) } g_score[start] = 0 f_score = { (x, y): float('inf') for x in range(len(grid)) for y in range(len(grid[0])) } f_score[start] = heuristic(start, goal) while open_set: current = heapq.heappop(open_set) current_node = current[1] if current_node == goal: break for move in directions: neighbor = (current_node[0] + move[0], current_node[1] + move[1]) if 0 <= neighbor[0] < len(grid) and 0 <= neighbor[1] < len(grid[0]): if grid[neighbor[0]][neighbor[1]] == 1: continue tentative_g_score = g_score[current_node] + 1 if tentative_g_score < g_score[neighbor]: came_from[neighbor] = current_node g_score[neighbor] = tentative_g_score f_score[neighbor] = g_score[neighbor] + heuristic(neighbor, goal) heapq.heappush(open_set, (f_score[neighbor], neighbor)) return came_from

代码分析

  • 优先队列:使用heapq模块实现优先队列,方便快速取出F(n)最小的节点。
  • 启发式函数heuristic函数使用欧氏距离,可以更快地向目标靠近。
  • 扩展邻域:通过directions列表定义了八邻域移动,增加了算法的灵活性。

总结

扩展邻域A算法在传统A算法的基础上,通过增加扩展的方向数量,能够更有效地找到全局最优路径。上述代码实现了一个简单的八邻域扩展A*算法,适用于大多数栅格地图的路径规划问题。

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/2/1 2:43:57

智能工牌如何帮房企智能盘客,提升销售转化?

在房地产销售这个高度依赖线下沟通、以“人”为核心的传统行业&#xff0c;有一个长期存在却又被默默接受的效率黑洞&#xff1a;客户走出售楼处大门的那一刻&#xff0c;销售与客户之间最真实、最丰富的沟通细节&#xff0c;往往也随之消散在空气中。“王先生大概对学区有点兴…

作者头像 李华
网站建设 2026/1/30 23:14:36

LP3713CH_5W/SOP7隔离适配器和充电器自供电PSR控制芯片 典型应用电路

LP3713CH 是芯茂微推出的隔离型自供电原边反馈&#xff08;PSR&#xff09;控制芯片&#xff0c;集成 BJT&#xff0c;适用于 5W 以下隔离电源方案&#xff0c;外围极简、成本低、保护完善&#xff0c;核心应用聚焦适配器 / 充电器、LED 驱动及电源升级换代等场景。核心应用领域…

作者头像 李华
网站建设 2026/2/1 4:18:24

FT8393MB1(5V/2.4A)12W线式电源控制芯片 典型应用电路

FT8393MB1 是辉芒微&#xff08;FMD&#xff09;推出的 SOP7 封装离线式原边反馈&#xff08;PSR&#xff09;AC - DC 控制芯片&#xff0c;内置功率 MOS&#xff0c;典型输出为 5V/2.4A&#xff08;12W&#xff09;&#xff0c;无需光耦与 TL431&#xff0c;满足 DoE VI 和 Co…

作者头像 李华
网站建设 2026/1/24 12:27:11

[吾爱大神原创工具] Python脚本打包为“EXE”工具(史上最高颜值)

[吾爱大神原创工具] Python脚本打包为“EXE”工具(史上最高颜值) 链接&#xff1a;https://pan.xunlei.com/s/VOgWvSnSenIevIajVK14g-nmA1?pwd5r6e# 很多朋友打包出来的文件超级大&#xff0c;我就写了一个&#xff0c;这个也不算是最好的&#xff0c;最好的是用Nuitka打包&…

作者头像 李华