[发明专利]一种同时将距离、搜索方向作为启发信息的寻找最优路径的估价方法

说明书

一种同时将距离、搜索方向作为启发信息的寻找最优路径的估价方法，在现有只考虑距离因素的估价函数中，引入搜索方向因素，即h(i)＝h_r(i)*h_d(i)，h_d(i)为现有只考虑距离因素的估价函数，仍采用欧几里得距离，h_r(i)为引入的基于搜索方向因素的限制，α为搜索方向和终点方向之间的夹角，α越小，h_r(i)值越小，相应的h(i)值越小，算法即能以更大的机会选择较小的搜索区域，从而达到限制搜索方向；现有A*算法仅考虑距离作为启发信息，优化后的估价函数能同时将距离、搜索方向作为启发信息，而启发信息越多，A*算法的搜索空间就越小，搜索算法也就更加高效。

技术领域

本发明属于人工智能、数据科学、智能交通技术领域，特别涉及一种同时将距离、搜索方向作为启发信息的寻找最优路径的估价方法。

背景技术

在智能交通的最优路径规划设计中，现有的典型的最优路径算法有Dijkstra算法、A*算法、蚁群算法等。结合三种算法的特征，从时间效率、空间效率、收敛性、最优解等方面分析对比可以发现：A*算法较为优秀，综合表现较好。但是同时可以注意到的是，传统的A*算法在空间效率、路网加载效率效果一般，A*算法原来有的路径选择估价函数仅考虑了距离启发信息，搜索空间的缩小范围不大。

所以，A*算法虽然具有时间效率尚好、具备收敛性和最优解的效果，然而，在实际应用中，A*算法性能的改进还存在很大空间。

发明内容

为了克服上述现有技术中路径选择估价函数存在的缺点，本发明的目的在于提供一种同时将距离、搜索方向作为启发信息的寻找最优路径的估价方法，同时引入距离和搜索方向作为启发信息，通过限制搜索方向来优化估价函数，从而提高其在空间效率等方面的性能。

为了实现上述目的，本发明采用的技术方案是：

一种同时将距离、搜索方向作为启发信息的寻找最优路径的估价方法，包括如下步骤：

步骤1：在现有只考虑距离因素的估价函数中，引入搜索方向因素，即h(i)＝h_r(i)*h_d(i)，h_d(i)为现有只考虑距离因素的估价函数，仍采用欧几里得距离，即h_r(i)为引入的基于搜索方向因素的限制；

步骤2：完成搜索方向函数设计；

步骤2.1：根据经验及余弦定理、函数单调性等可证，当搜索方向越靠近终点时，寻找到的路径越短，即估价函数估价应越小，为了满足单调性要求，函数应在[0，π]区间上单调递增，初步选取函数f(α)＝-cos(α)作为估价函数，α为搜索方向和终点方向之间的夹角；

步骤2.2：估价函数应同时满足兼容性要求，需对f(α)函数进行优化设计，设在f(α)函数基础上变换得到的符合兼容性要求的估价函数为g(α)，则g(α)的取值区间应在[0，1]，即min(g(α))＝0、max(g(α))＝1；

步骤2.3：对估价函数进行归一化映射，得

步骤3：基于搜索方向的限制优化估价函数完成；

步骤3.1：h(i)＝h_r(i)*h_d(i)，其中α越小，h_r(i)值越小，相应的h(i)值越小，算法即能以更大的机会选择较小的搜索区域，从而达到限制搜索方向；

现有A*算法估价函数多为h(i)＝h_d(i)，仅考虑距离作为启发信息，优化后的估价函数h(i)＝h_r(i)*h_d(i)，利用该函数代替原有A*算法中的估价函数，能同时将距离、搜索方向作为启发信息，而启发信息越多，A*算法的搜索空间就越小，搜索算法也就更加高效。