基于混合SA算法的智能汽车全局路径规划
发布时间：2021-03-23 23:04
针对目前智能汽车路径规划存在A*算法规划的路径精度高却搜索耗时长、搜索耗时短但精度差的矛盾问题,提出了一种既保证搜索效率又可提高路径精度的混合连接SA算法.在原有连接方式的基础上,提出了一种新型的连接方式和S算法,设计了混合SA算法的切换机制,确保了SA算法可获取保证搜索效率的次优路径.进行了路径规划单一地图仿真试验,验证了SA算法在不同的单一环境地图中,重复规划的路径具有一致性、耗时具有一定局限性;同时进行了路径规划普适性仿真试验,对比分析了混合连接SA算法与四连接A*算法的各项性能指标.结果表明:在全局工况下,SA算法相比于四连接A*算法,在保证搜索耗时优势的同时,提高了规划路径精度,尤其是在低百分比障碍物地图下,效果更为明显.
【文章来源】：江苏大学学报(自然科学版). 2019,40(03)北大核心
【文章页数】：6 页
【部分图文】：
环境地图模型1．2A*算法的基本原理
?肪豆婊?四连接A*算法基于扩展子节点数目少的扩展特点，搜索速度快，但由于OPEN表中的可选择子节点数目少，不考虑对角子节点间的连接关系，导致路径精度不足的问题．综上所述，在四连接A*算法的基础上，采用混合连接的节点方式和基于启发式函数的S算法．通过切换算法的方式，在保证了搜索效率的同时，尽可能提高路径精度．2．1混合连接的节点方式路径搜索时，四连接的状态节点间由四连接关系组成，如图2a所示．八连接的状态节点间由八连接关系组成，如图2b所示．图2连接示意图八连接从当前节点可以与它相邻的周围8个节点连接，但是到达相邻节点的真实代价不等．如图2a所示，到达的4个直节点的方式简称为直连接方式．中间父节点s到直连接子节点s'的真实代价为c(s，s')=1．(6)如图2b所示，到达的4个斜节点的方式简称为斜连接方式．s节点到斜连接子节点s″的真实代价为c(s，s″)=槡2．(7)目前主流算法，例如Dijkstra算法、BFS算法、A*算法及衍生出的WeightedA*算法等均采用单一的连接方式来进行路径搜索，如采用四连接的方式进行搜索，当处理低百分比障碍物的环境地图时，虽然搜索耗时较短，但路径精度较低;如采用八连接的方式进行搜索，由于扩展子节点较多，OPEN表中排序耗时冗长，虽然路径精度较高，但搜索耗时较长．故提出一种新型的混合连接方式，其主要实现方法为根据当前节点的障碍物环境，S算法采用八连接、A*算法采用四连接的方式进行切换搜索．2．2SA算法的实现SA算法主要流程大体分为2个阶段:①开始阶段，将起始节点放?
252第40卷OPEN表及CLOSED表中，并采取相应的操作，SA算法核心扩展部分流程如图4所示．其中，Direction数组为保存有Left，Ｒight，Up，Down，LeftUp，Ｒight-Up，LeftDown，ＲightDown这8个方位的二维数组;q为切换算法时检测的值;jcw为是否需要进行8方位检测的检测位值;fmin为设置的初始f值，用于比较各个节点的f值大小;as为确定的数组方向位值;Dtime为需要进行S算法的次数．图4SA算法核心扩展部分流程图5)运用经典A*算法进行相应扩展，同时判断扩展到的节点是否在OPEN表中，并进一步进行处理，具体操作如图5所示．其中，OLD表示原始最佳节点．图5四连接A*算法扩展流程图2．3SA算法的可行性分析SA算法相比于四连接A*算法，在相对宽裕的自由空间采用S算法，故扩展子节点存在斜连接及直连接2种方式．假定在某个已知的环境地图中，如图2所示的斜连接共进行了m次(m为非负整数)，则SA算法从初始节点到任意节点n的真实代价消耗为g(n)*=∑k－1i=startcost*(ni，ni+1)，k≤goal，可得g(n)*=(k－m－1)c(s，s')+mc(s，s″)．(8)而四连接A*算法从初始节点到任意节点n的真实代价消耗为g(n)=(k－m－1+2m)c(s，s')．(9)由式(6)－(9)易证:g(n)*≤g(n)．(10)由式(10)可知:SA算法规划出的路径长度不
【参考文献】：
期刊论文
[1]基于改进A*算法的电动车能耗最优路径规划[J]. 顾青,豆风铅,马飞. 农业机械学报. 2015(12)
[2]基于平滑A*算法的移动机器人路径规划[J]. 王红卫,马勇,谢勇,郭敏. 同济大学学报(自然科学版). 2010(11)
[3]基于改进蚁群算法的飞机低空突防航路规划(英文)[J]. 叶文,马登武,范洪达. Chinese Journal of Aeronautics. 2005(04)
本文编号：3096565
【文章来源】：江苏大学学报(自然科学版). 2019,40(03)北大核心
【文章页数】：6 页
【部分图文】：
环境地图模型1．2A*算法的基本原理
?肪豆婊?四连接A*算法基于扩展子节点数目少的扩展特点，搜索速度快，但由于OPEN表中的可选择子节点数目少，不考虑对角子节点间的连接关系，导致路径精度不足的问题．综上所述，在四连接A*算法的基础上，采用混合连接的节点方式和基于启发式函数的S算法．通过切换算法的方式，在保证了搜索效率的同时，尽可能提高路径精度．2．1混合连接的节点方式路径搜索时，四连接的状态节点间由四连接关系组成，如图2a所示．八连接的状态节点间由八连接关系组成，如图2b所示．图2连接示意图八连接从当前节点可以与它相邻的周围8个节点连接，但是到达相邻节点的真实代价不等．如图2a所示，到达的4个直节点的方式简称为直连接方式．中间父节点s到直连接子节点s'的真实代价为c(s，s')=1．(6)如图2b所示，到达的4个斜节点的方式简称为斜连接方式．s节点到斜连接子节点s″的真实代价为c(s，s″)=槡2．(7)目前主流算法，例如Dijkstra算法、BFS算法、A*算法及衍生出的WeightedA*算法等均采用单一的连接方式来进行路径搜索，如采用四连接的方式进行搜索，当处理低百分比障碍物的环境地图时，虽然搜索耗时较短，但路径精度较低;如采用八连接的方式进行搜索，由于扩展子节点较多，OPEN表中排序耗时冗长，虽然路径精度较高，但搜索耗时较长．故提出一种新型的混合连接方式，其主要实现方法为根据当前节点的障碍物环境，S算法采用八连接、A*算法采用四连接的方式进行切换搜索．2．2SA算法的实现SA算法主要流程大体分为2个阶段:①开始阶段，将起始节点放?
252第40卷OPEN表及CLOSED表中，并采取相应的操作，SA算法核心扩展部分流程如图4所示．其中，Direction数组为保存有Left，Ｒight，Up，Down，LeftUp，Ｒight-Up，LeftDown，ＲightDown这8个方位的二维数组;q为切换算法时检测的值;jcw为是否需要进行8方位检测的检测位值;fmin为设置的初始f值，用于比较各个节点的f值大小;as为确定的数组方向位值;Dtime为需要进行S算法的次数．图4SA算法核心扩展部分流程图5)运用经典A*算法进行相应扩展，同时判断扩展到的节点是否在OPEN表中，并进一步进行处理，具体操作如图5所示．其中，OLD表示原始最佳节点．图5四连接A*算法扩展流程图2．3SA算法的可行性分析SA算法相比于四连接A*算法，在相对宽裕的自由空间采用S算法，故扩展子节点存在斜连接及直连接2种方式．假定在某个已知的环境地图中，如图2所示的斜连接共进行了m次(m为非负整数)，则SA算法从初始节点到任意节点n的真实代价消耗为g(n)*=∑k－1i=startcost*(ni，ni+1)，k≤goal，可得g(n)*=(k－m－1)c(s，s')+mc(s，s″)．(8)而四连接A*算法从初始节点到任意节点n的真实代价消耗为g(n)=(k－m－1+2m)c(s，s')．(9)由式(6)－(9)易证:g(n)*≤g(n)．(10)由式(10)可知:SA算法规划出的路径长度不
【参考文献】：
期刊论文
[1]基于改进A*算法的电动车能耗最优路径规划[J]. 顾青,豆风铅,马飞. 农业机械学报. 2015(12)
[2]基于平滑A*算法的移动机器人路径规划[J]. 王红卫,马勇,谢勇,郭敏. 同济大学学报(自然科学版). 2010(11)
[3]基于改进蚁群算法的飞机低空突防航路规划(英文)[J]. 叶文,马登武,范洪达. Chinese Journal of Aeronautics. 2005(04)
本文编号：3096565
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3096565.html
