基于动态五邻域搜索的改进Astar算法路径规划研究OA

针对传统Astar算法在复杂场景下的路径规划任务中存在路径搜索效率低、路径转折次数多等问题,本文提出一种基于动态五邻域搜索的改进Astar算法.通过改进算法的启发函数,将曼哈顿距离与欧式距离融合得到的距离度量代替传统Astar算法的单一距离度量,引入动态加权机制,并将传统的固定八邻域搜索策略改进为动态五邻域搜索策略.通过剔除最终路径的冗余节点并进行贝塞尔曲线平滑处理,使最终路径更平滑.试验表明,与传统Astar算法相比,采用本文算法的路径搜索时间减少了约69％,路径拓展节点数减少了约66.35％,路径包括节点数减少了约38.8％,路径寻优能力较好.