关于D * here的一些论文有链接，但它们对我来说有点太数学了。有没有关于D * / D * Lite的信息更适合初学者？
答案 0 :(得分：12)
维基百科有一篇关于这个主题的文章：http://en.wikipedia.org/wiki/D*
C中的D * Lite实现也可以从Sven Koenig的页面获得：http://idm-lab.org/code/dstarlite.tar但是我发现难以理解的数学比C源代码更容易阅读; - ）
D * Lite（在C ++中）的另一个实现可以在这里找到：http://code.google.com/p/dstarlite/
答案 1 :(得分：11)
如果伪代码对你来说很难（你不必阅读定理和证明 - 如果你知道标准的算法，伪代码是非常简单的）你抱怨已发布的C和C ++代码然后我想你会需要去做别的事情： - ）
说真的，不要指望有人可以在几个网段中教你一流的算法。拿一支笔和纸，然后在纸上写下，画出并跟踪发生了什么。您可能需要阅读两次并且谷歌一两个引用以了解它周围的一些概念，并且根本不需要深入研究定理和证明 - 除非您希望证明作者错误:-) ）
没有更多的数学就无法前进 - c'est la vie。想象一下，你曾经让别人教你什么是矩阵反转，但你不知道什么是矢量。在你第一次学到足够的数学语境之前，没有人可以帮助你。
答案 2 :(得分：8)
话虽如此，为什么不再添加一些论文，是的，他们也有数学:-)但我会尝试获得一些更近期的东西。随着时间的推移，人们通常会更好地解释自己的工作，所以重点是Stentz，Likhachev和Koenig
答案 3 :(得分：5)
Layrie的D * Lite解释
D *以Start和Goal之间的乌鸦，理想主义路径开始;它仅在遇到障碍物时（通常通过移动到相邻节点）处理障碍物。那就是 - D * Lite不知道任何障碍直到它开始沿着理想的路径移动。
任何寻路实施的圣杯都是为了让它在获得最短路径时快速，或者至少是一条不错的路径（以及处理[所有你在这里的各种特殊条件 - 对于D * Lite这是处理一个未知的火星漫游者可能会做的地图]）。
所以D * Lite的一大挑战是在达到障碍时便宜地适应障碍。找到它们很简单 - 您只需在移动时检查邻居的节点状态。但是，我们如何调整现有地图的成本估算而不会遍历每个节点......这可能会非常昂贵？
LPA *使用巧妙的技巧来调整成本，这是D * Lite充分利用的技巧。当前节点询问其邻居：你最了解我，你认为我对自己是现实的吗？具体来说，它询问了它的g值，这是已知的成本从初始节点到自身，即当前节点。邻居查看他们自己的g，查看当前节点与他们相关的位置，然后估计他们认为其成本应该是什么。这些商品的最小值设置为当前节点的rhs值，然后用于更新其g值;在估算时，邻居会考虑新发现的障碍物（或自由空间），这样当使用g进行当前更新rhs时，会使用新障碍物（或自由空间）进行更新对
当我们全面拥有真实的g值时，当然会出现一条新的最短路径。
答案 4 :(得分：1)
我想出了这个 http://idm-lab.org/bib/abstracts/papers/aaai02b.pdf和这个 http://www.cs.cmu.edu/~maxim/docs/dlitemap_iros02.pdf
我希望那些链接可以帮到你:) 编辑：发布后我注意到我给你的链接也在你指出的链接中。不过我直接在Google上找到了这些。无论如何，我已经看了他们一点，他们似乎并不那么复杂。如果你很了解A *，你也应该设法理解D * 根据经验，我可以告诉你，A *也可以用于你想要的东西。
答案 5 :(得分：0)
Maxim Likhachev的CMU课堂笔记非常有用。它包含一个示例，该示例演示如何传播图形上发生的动态变化。还解释了不一致的思想，这对于理解算法非常重要。 http://www.cs.cmu.edu/~maxim/classes/robotplanning_grad/lectures/execanytimeincsearch_16782_fall18.pdf
答案 6 :(得分：0)
D *与D * Lite： 首先，D * -Lite被认为比D *简单得多，并且由于它始终至少与D *一样快地运行，因此它已经完全淘汰了D *。因此，从没有任何理由使用D *。请改用D * -Lite。
D * Lite与A *： D * Lite算法的工作原理是，从目标开始反向运行A *搜索，然后尝试重新开始。然后，求解器会给出当前的解决方案，并等待所提供的权重或障碍发生某种变化。与重复的A *搜索相反，D * Lite算法避免了从头开始进行重新规划，并避免了逐步修复路径，从而使更改保持在机器人姿势附近。
如果您想真正了解算法。我建议您先通读A *的伪代码并实现它。首先尝试了解如何将拾取和插入堆队列中，以及该算法如何使用另一种启发式方法而不是常规的Dijkstra算法，以及为什么该算法可以探索较少的顶点而不是Dijkstra。 / p>
一旦您对A *的工作原理有所了解（您也应该实施它），那么我建议您再次看看Koenig, 2002。我建议您首先开始查看常规的D * -Lite伪代码。确保您了解每一行代码。
优先级队列的概念
实施
我已经使用python实现了Optimized D * -Lite算法（请看此线程here）。我建议您将代码和伪代码并排阅读。如果您愿意的话，那里也有说明来测试模拟。