多点路径规划指标
自主移动机器人上的Star算法
介绍。
该项目是我在完全自主的多智能体机器人的Graduation项目中工作的一部分。
该项目的主要目标是在整个机器人上实施编队算法，并开发不同的算法以使每个机器人具有完全自主性。
使每个算法具有完全自主性的算法是：
运动控制算法
去目标算法
使用高架摄像机的感知数据进行定位的算法
映射表示
路径规划算法，该算法是该回购中包含的一种。
提供的A
Star算法的说明
自治系统中使用的A
*（发音为A-star）算法为机器人从其当前位置到所需目标点生成一条自由碰撞路径。
我的代码取决于两个主要数据，它们是机器人相对于全局参考位置的当前位置以及机器人环境的表示形式。
两者都嵌入在一起，并作为一条数据被接收，称为地图。
另一部分是期望的目标。
该代码遵循A-star算法的标准已知方法，但对后续节点的选择标准除外。
标准版本选择标准可以简单地用作
如果该节点已被签名/标记为空闲，并且在算法认为还没有被访问之前就没有访问过该节点，则可以计算其成本并进一步进行操作。
问题出在我的机器人开始向对角线移动！！！
由于尺寸过大，它卡住了，您可以通过观看链接
2021-08-21 21:50:59
17KB
1
多阶段决策过程（ multistep decision process ）是指这样一类特殊的活动过程，过程可以按时间顺序分解成若干个相互联系的阶段，在每一个阶段都需要做出决策，全部过程的决策是一个决策序列。在计算机算法设计方法中，动态规划技术是比较基本，但又比较抽象，难于理解的一种。它建立在最优原则的基础上，动态规划 （ dynamic programming ）算法是解决多阶段决策过程最优化问题的一种常用方法，难度比较大，技巧性也很强。利用动态规划算法，可以优雅而高效地解决很多贪婪算法或分治算法不能解决的问题。因此，动态规划技术越来越成为解决许多重要的应用问题的关键技术。例如，用动态规划解决0-1背包问题、图像数据压缩、矩阵连乘、有向图最短路径、无交叉子集、元件折叠以及最长公共子序列等应用问题。另外，在语音识别领域，应用动态规划技术的动态时间伸缩算法DTW取得了很大成功，当词汇表较小以及各个词条不易于混淆时，DTW可以有效的解决孤立词识别时说话速度不均匀的难题，从而自20世纪60年代末期掀起了语音识别研究的热潮。
2021-08-21 20:34:56
343KB
1