Question

我从2D网格世界的图形开始，指定节点和边缘;并获得了一个开始和目标。我能够使用A *找到最短的路径。

现在问题略有修改，因为引入了时间概念，允许在当前节点等待。给出的问题可以考虑如下：

假设线性世界中的节点以阵列a（1：6）的形式存在。代理必须从2开始并转到6.如前所述，我能够使用A *来计划。最佳路径是：2-> 3-> 4-> 5-> 6。

但是假设现在时间进入图片。像3> 4的每个转换意味着已经过了1个时间单位。代理在时间t = 0开始移动并且被告知它不能在时间t = 3时到达节点5。所以现在最佳路径是：2-> 3-> 4-> 4-> 5-> 6

但我无法思考如何使用A *来制定这个计划。我的想法是：我将计划3维=（x，y，t）而不仅仅是（x，y）。只要保留图形结构，A *就可以处理任何维度。

但是，我很困惑，因为我知道以（2,0）开始使用约定（节点，时间）。但目标是什么？我知道它是这样的：（6，t）。但我不知道是什么？所以任何时候我想从当前节点到目标计算我的启发式，我很难过，因为我不知道目标是什么？如何使用A *处理此问题。此示例仅具有代表性且高度简化。我在2D世界工作，但问题与示例中描述的相同。

引用一些研究论文来解决这些问题会非常有帮助，但请尽量避免引用对这个问题显然有点过分的研究。如果有人能给出最好的伪代码。

Answer 1

由于您的模型不是完全动态的，并且您事先知道更改，您可以通过对A *算法的这些简单更改找到您的路径：
首先，当您展开状态时，您始终认为可以留在那个节点。
第二，当你将一个州的邻居添加到你的边缘列表时，你应该检查你在问题中提到的时间和地点的限制：

state: position, time, h

current_state = priority_queue.top
priority_queue.add( state( current_state.position, current_state.time+1, new_h) )
for each neighbor of current state:
   if possible to be at neighbor.position at current_state.time+1
        priority_queue.add( state(neighbor.position, current_state.time+1, h) )

但是，如果你的世界是完全动态的，你应该实现类似D *的动态A *算法。或者您可以在初始模型上运行A *，然后每当您在路径中间遇到障碍物时，您会尝试在相对于障碍物更改地图时找到带有A *的新路径。

处理2D网格世界中A-star的基于时间的约束

1 个答案: