赞
踩
从起点start到达目标点target并经过点x的估计距离长度表示为f(x) = g(x) + h(x),该公式是A*算法的核心公式。
g(x)表示实际路网距离,h(x)表示从点x到target的估值,一般用欧式距离或者曼哈顿距离表示。
A*算法通过不断的选择估计距离f(x)最小的节点,逐渐构建最短路径。
用两个表open表(按照F值从大到小排序,若相等按照G值从大到小排序)和close表来存储选择过程。
算法搜索过程
核心
两个集合:Open,Closed和一个公式:f(n)=g(n)+h(n)。其中Open,Closed都是存储节点的集合,Open存储可到达的节点,Closed存储已经到达的节点;而公式f(n)=g(n)+h(n)则是对节点价值的评估,g(n)代表从起点走到当前节点的成本,也就是走了多少步,h(n)代表从当前节点走到目标节点的距离,即不考虑障碍的情况下,离目标还有多远。至于f(n),则是对g(n)和h(n)的综合评估,我们应该尽量选择步数更少,离目标更近的节点,那么f(n)的值越小越好。
搜索思路
开始时,Closed表为空,Open表仅包括起始节点,每次迭代中,A*算法将Open表中具有最小代价之的节点去除进行检查,检查后的节点放入Closed表,如果这个节点不是目标节点,那么考虑该节点的所有相邻节点。对于每个相邻节点按下列规则处理;
(1)如果相邻节点既不在Open表中,又不在Closed表中,则将它加入Open表中;
(2)如果相邻节点已经在Open表中,并且新的路径具有更低的代价值,则更新它的信息;
(3)如果相邻节点已经在Closed表中,那么需要检查新的路径是否具有更低的代价值,如果是,那么将它从Closed表中移出,加入到Open表中,否则忽略。(这里需要检查Closed表是因为要防止由于h(n)计算不准确而导致的误差)
重复上述步骤,直到到达目标节点。如果在到达目标之前,Open表就已经变空,则意味着在起始位置和目标位置之间没有可达的路径。
引用博客链接: link.
// A* algorithm Pseudo code block A*(int start ,int target) { Open = [start]; Closed = [] while (Open表非空) { 从Open中取得一个节点X,并从OPEN表中删除。 if (X是目标节点) { 根据前向father求得路径PATH以及最短路径cost; return 路径PATH; } Open.pop(); Close.push(X); for (每一个X的邻节点Y) { if (Y不在Open表和Close表中) { 求Y的估价值G并计算FH; 并将Y插入Open表中; }else if (Y在Open表中) { if (Y的估价值小于Open表的估值G) update Open表中的估值; } else //Y在Close表中 { if (Y的估值小于CLOSE表的估值G) { update Close表中的估值; 从Close表中移出节点,并放入Open表中; } } //end for sort(),按照估价值将Open表中的节点排序; } //end while } //end function
// An highlighted block struct Node{ int id; double x,y; //int id,x,y; vector<int> adjnodes; vector<int> adjweight; double F = 0.0; double G = 0.0; double H = 0.0; int father; //Constructors Node(): id(-1),x(-1), y(-1){} Node(int a,double b,double c): id(a),x(b), y(c){} }; map<Node>Nodes; // return Astar_p2p(int s, int t) double Astar(int S,int T){ if(S == T) return 0.0; vector<Node> openlist; vector<Node> closelist; openlist.clear(); closelist.clear(); Nodes[S].father = -1; Nodes[S].H = Euclidean_Dist(S,T); Nodes[S].F = Nodes[S].G + Nodes[S].H; openlist.push_back(Nodes[S]); while(!openlist.empty()){ Node current = openlist.back();//min_F node if(current.id == T){ return current.F; } openlist.pop_back(); closelist.push_back(Nodes[current.id]); vector<int>neighbors; for(int i=0;i<Nodes[current.id].adjnodes.size();i++){ neighbors.push_back(Nodes[current.id].adjnodes[i]); } for(int neighbor:neighbors){ bool b1 = false,b2 = false; if( !(b1 = in_list(neighbor,openlist))&&!(b2 = in_list(neighbor,closelist))){//not in both Nodes[neighbor].father = current.id; double w = 0.0; for (int i = 0; i < Nodes[current.id].adjnodes.size(); i++) { if(Nodes[current.id].adjnodes[i] == neighbor) w = (double)Nodes[current.id].adjweight[i]; } Nodes[neighbor].G = Nodes[current.id].G + w; Nodes[neighbor].H = Euclidean_Dist(neighbor,T); Nodes[neighbor].F = Nodes[neighbor].G + Nodes[neighbor].H; openlist.push_back(Nodes[neighbor]); }else if(b1){// in open update G & F double w = 0.0; for (int i = 0; i < Nodes[current.id].adjnodes.size(); i++) { if(Nodes[current.id].adjnodes[i] == neighbor) w = (double)Nodes[current.id].adjweight[i]; } double g = w + Nodes[current.id].G; double f = g + Nodes[neighbor].H; if(g < Nodes[neighbor].G){ for(vector<Node>::iterator it = openlist.begin();it!=openlist.end();){ if((*it).id == neighbor) it = openlist.erase(it); else ++it; } Nodes[neighbor].father = current.id; Nodes[neighbor].F = f; Nodes[neighbor].G = g ; openlist.push_back(Nodes[neighbor]); } }else{//in close if g<G delete and into open double w = 0.0; for (int i = 0; i < Nodes[current.id].adjnodes.size(); i++) { if(Nodes[current.id].adjnodes[i] == neighbor) w = (double)Nodes[current.id].adjweight[i]; } double g = w + Nodes[current.id].G; double f = g + Nodes[neighbor].H; if(g < Nodes[neighbor].G){ for(vector<Node>::iterator it = closelist.begin();it!=closelist.end();){ if((*it).id == neighbor) it = closelist.erase(it); else ++it; } Nodes[neighbor].father = current.id; Nodes[neighbor].F = f; Nodes[neighbor].G = g ; openlist.push_back(Nodes[neighbor]); } }// end else }//end for sort(openlist.begin(),openlist.end(),cmp); }//end while }
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。