规划算法合集

A*算法

        A*算法是一种用于在地图上寻找两点之间距离最短的路径规划算法。他是dijkstra算法的扩展，使用启发式函数搜索到目标节点。

        要实现A*，要维护两个列表；开放列表和关闭列表；开放列表中包含已经发现还没有探索的点，关闭列表中存放已经探索过的节点。

        A*算法通过从开放列表中选择具有最低f值（g值和启发值之和）的节点并探索其邻居来工作，如果邻居不开开放列表中，则将其放置到开放列表中。如果已经在开放列表中，则如果到邻居的新路径比之前的路径更短，则更新其邻居的g值。

        一旦到达目标节点，算法终止并返回起始点到目标点的最短路径。

def astar(start, goal, heuristic):
    open_list = [start]
    cloased_list = []
    g_score = {node: float('inf') for node in graph}
    g_score[start] = 0
    f_score[start] = heuristic(start, goal)
    while open_list:
        current = min(open_list, key=lambda node: f_score[node])
        if current == goal;
        path = []
            while current in came_front:
                path.append(current)
                current = came_front[current]
            path.append(start)
            path.reverse()
            feturn path
        open_list.remove(current)
        closed_list.append(current)
        for neighbor in graph[current]:
            if neighbor in closed_list:
                continue
            tentative_g_score=g_score[current] + graph[current][neighbor]
            if neighbor not in open_list:    
                open_list.append(neighbor)
            elif tentative_g_score >= g_score[neighbor]:
                continue
            came_from[neighbor] = current
            g_score[neighbor] = tentative_g_score
            f_score[neighbor] = g_score[neighbor] + heuristic(neighbor, goal)
      return None
    

实现过程中，start和goal是起始和目标节点。graph是一个字典，其中键是节点，值是与节点相邻的节点和他们之间的 距离。heuristic是一个函数，它接收两个节点作为参数并返回他们之间的启发式距离。

Hybrid A*

(5条消息) 混合A*算法研究_混合a*算法约束_robinvista的博客-CSDN博客

        混合A（Hybrid A*)是一种基于A*搜索算法的路径规划算法。它的目标是在车辆导航等场景中高效的规划路径。

        混合A*结合了连续和离散状态空间的优势，使用连续空间中的桶（bucket）表示离散空间，从而使搜索过程更加高效。它使用了一种称为Reeds-Shepp曲线的路径类型，可以在车辆导航中实现更加平滑的路劲规划。

        混合A*使用了启发式函数来估计每个状态到达目标的代价，从而指导搜索方向。它还使用了一个称为代价到达图（cost-to-go map）的技术，将已知的最小代价存储在地图中，从而进一步优化搜索过程。

#define the A* search algorithm

def planning(self, sx, sy, syaw, gx, gy, gyaw):
    

        待补充......