基于动态视场的深度启发改进3维A*算法OA北大核心CSTPCD
针对A*算法在山地场景下因启发函数建模不准确导致搜索效率低的问题,提出基于动态视场的深度启发改进3维A*算法。该改进A*算法以一种深度启发网络构建启发函数模型,并从泛化能力和建模精度两方面优化模型的性能。在提高泛化能力方面,设计一种局部动态视场模型,增强深度启发网络对关键地形信息的抓取能力,进而使其适应各种不同地形场景;在提高建模精度方面,设计一种基于距离权重因子的损失函数模型,缩小3维场景下深度启发网络对远距离路径的代价估计偏差。仿真实验表明,所提出的算法相比于现有基于深度学习法改进的A*算法,在3维场景下的路径代价预测精度平均提高45.2%,平均搜索效率提升12.8%,平均路径质量提升1.2%;对比现有基于经验建模法改进的A*算法,搜索效率亦有明显提高。
黄书峤;伍锡如;黄国明;
桂林电子科技大学电子工程与自动化学院,广西桂林541004
计算机与自动化
3维路径规划A*算法启发函数动态视场山地移动机器人
《机器人》 2024 (005)
P.513-523 / 11
国家自然科学基金(62263005);广西自然科学基金(2020GXNSFDA238029);广西高校人工智能与信息处理重点实验室开放基金重点项目(2022GXZDSY004);桂林电子科技大学研究生教育创新计划(2023YCXS124);桂林电子科技大学科学研究基金(UF23006Y);广西高校中青年教师科研基础能力提升项目(2024KY0222)。
评论