智能网联汽车决策规划技术算法原理与实践课件 8.基于 A 算法变种的动态规划算法_第1页
智能网联汽车决策规划技术算法原理与实践课件 8.基于 A 算法变种的动态规划算法_第2页
智能网联汽车决策规划技术算法原理与实践课件 8.基于 A 算法变种的动态规划算法_第3页
智能网联汽车决策规划技术算法原理与实践课件 8.基于 A 算法变种的动态规划算法_第4页
智能网联汽车决策规划技术算法原理与实践课件 8.基于 A 算法变种的动态规划算法_第5页
已阅读5页,还剩18页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

基于A*算法变种的动态规划算法目录/CONTENTS01A*算法变种概览02IncrementalA*算法原理03DynamicA*算法原理04DynamicA*与D*算法对比05应用场景与拓展06小结与思考A*算法变种概览01A*算法变种及其动态路径规划价值

01A*算法的局限A*算法在静态路径规划中表现出色,但在动态环境中,障碍物的变化会导致路径失效,需要重新规划。02变种算法的分类介绍了WeightedA*、ARA*、HierarchicalA*、ParallelA*、DynamicA*和IncrementalA*六种变种算法,每种算法针对不同的问题场景进行了优化。03重点变种算法DynamicA*和IncrementalA*因其在动态环境中的增量更新能力,被本章重点展开。动态环境挑战与算法选型思路动态环境的挑战动态障碍物的出现、消失或移动,使得传统A*算法的全局重算变得低效,增加了计算负担。算法选型的关键在动态环境中,算法选型的关键在于如何实现局部复用和增量修正,以提高路径规划的效率。IncrementalA*算法原理02IncrementalA*背景与动态更新机制算法起源IncrementalA*算法从1968年经典A*算法演化而来,旨在应对地图障碍物的持续变化。动态更新机制该算法通过检测障碍物的变化,仅对受影响的节点进行g值修正和重新入队,实现毫秒级的增量重规划。实时系统中的必要性在自动驾驶和机器人等实时系统中,IncrementalA*算法的实时更新能力至关重要。IncrementalA*实现步骤与伪代码初始化初始化起点代价为0,并将其添加到待探索节点列表中。循环搜索循环选取代价最小的节点进行扩展,动态更新邻节点的代价。动态更新在动态环境中,根据障碍物的变化,局部更新受影响的节点。路径回溯找到目标节点后,通过回溯父节点指针构建最终路径。10×10网格实例与运行结果实验设置在10×10网格地图上,起点为(0,0),目标点为(9,9),连续六次增删障碍物。运行结果算法每次均能在毫秒级重算出可行的最短路径,验证了增量更新的高效性。DynamicA*算法原理03DynamicA*提出背景与核心思想01算法背景DynamicA*作为A*算法的在线扩展,专为动态环境中的路径规划而设计。02核心思想通过保存前次搜索的g值与父指针,在环境变化时仅对受影响区域执行局部修正并重开搜索。03增量式更新策略采用增量式更新策略,对大规模地图的路径规划尤为重要。DynamicA*实现步骤与关键数据结构初始化创建环境的网格地图,定义起点和目标位置,将起点初始化为成本为0。主循环循环直到到达目标或开放列表为空,选择具有最低成本的节点进行扩展。节点扩展计算到达邻居的成本,并更新其总成本。路径重建到达目标节点后,使用父节点指针回溯构建路径。10×10网格实验与输出解读实验过程在同一10×10网格地图上,连续六次增删障碍物,观察算法的路径规划结果。结果分析路径坐标保持不变,算法仅在障碍物变动后局部修正,验证了其在线重规划能力。DynamicA*与D*算法对比04DynamicA*与D*算法差异总览搜索方向DynamicA*沿用起点至目标的正向搜索,而D*采用目标至起点的反向搜索。更新策略DynamicA*通过障碍差分驱动局部修正,D*通过传播rhs值实现一致修复。重用粒度DynamicA*重用子树代价,D*重用全空间rhs。实现复杂度DynamicA*实现接近A*,D*需维护rhs与key。优缺点归纳与选型建议DynamicA*的优缺点DynamicA*代码改动小、内存占用低,适合高频轻量变化,但对大规模突变需重新扩展较多节点。D*的优缺点D*反向传播可快速修正长距离变化,但rhs维护复杂、内存占用高。应用场景与拓展05智能网联汽车中的实时路径规划V2X感知在V2X感知突现障碍、临时施工、事故绕行中,车载单元以100ms周期调用增量算法。实时重规划复用上帧g值,实现30ms内重规划,避免急刹或二次停车。高精地图分区缓存结合高精地图分区缓存,可支持时速60km以下城市道路的安全跟车与车道保持。机器人、无人机及智慧交通拓展01AGV仓储AGV面对托盘搬动采用IncrementalA*实现秒级重算。02无人机配送无人机面对空中障碍物采用DynamicA*做三维增量航迹。03智慧信控信控平台融合DynamicA*为救护车动态绿波。小结与思考06核心知识点回顾IncrementalA*的关键特性IncrementalA*通过障碍差分实现毫秒级增量更新。DynamicA*的关键特性DynamicA*在正向搜索框架内复用g值完成在线重规划。算法选择依据两者与D*的搜索方向及更新粒度差异决定各自适用场景。习题与思考题引导填空题通过填空题检验增量更新、实时调整、快速重算三大关键词。思考题思考题要求对比IncrementalA*与传统

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论