关于路径查找：对D *算法的外行人的详细描述

Question

我希望处理的大型网络（小世界图形类型）本质上是动态的，经常添加和删除新节点。据推测，在A *上使用D *是检测这种动态环境中路径的更好方法吗？

D *有多坚固？它有任何现实世界的经验吗？像加密算法一样 - 是否通过大量的同行评审和测试来强化？你会用D *来解决这个问题吗？

Answer 1

据我所知，第一次运行D *时，它找到与A *相同的路径，运行时几乎相同。但是，当一个节点改变它的边缘值或添加节点时A *重新计算所有路径，而D *只是第二次重新计算不一致的节点而不是整个事物。

Anthony Stentz的D *算法（原始白皮书here）在很大程度上被其作品的衍生物所弃用。 D * Lite和LPA *是最常见的，并且更容易编码/实现。

就现实世界的经验而言，来自美国宇航局喷气推进实验室的Joseph Carsten和Art Rankin在火星车“精神”和“机遇”上使用D * Lite的元素安装了Field D *版本（使用D的漫游者幻灯片* here）。在2007年2月，它被用来自动完全驾驶火星车。

alt text http://asm.arc.nasa.gov/Gallery/images/generic/rover.jpg

显然D *在机器人领域非常有用，因为机器人车载传感器不断重新评估边缘值。这将使我在自己的观点中进行“战斗测试”。

同样，我发现另一个whitepaper提到在移动游戏中使用D * Lite算法。

我将结束这个回答，说明我之前从未实施过D *，只有A *。由于复杂性的显着增加，我会说D *（或D * Lite）仅应用于图中存在显着且频繁变化的情况。你描述了你的情况类似于那样我肯定会说D * Lite。如果美国宇航局使用它，你可以安全地打赌它已被彻底调查过。

Answer 2

我已经实现了D *和A *算法。所以，我建议你，如果你的地图没有动态障碍，你应该实现A *。否则，实施D *。主要原因是： 在第一次搜索时，D *计算地图中的所有节点，然后显示最短路径，而A *仅计算目标周围的有限区域和地图中的起点。所以，它比D *快得多。 在动态环境中，D *比A *更快，更有效。因为在机器人行进的路上，如果它检测到新的障碍物，它只会更新意外障碍周围的几个节点。而A *会再次计算所有事情。