[发明专利]基于跳点路径搜索的模式数据库信息压缩方法及系统

说明书

本发明公开了一种基于跳点路径搜索的模式数据库信息压缩方法，通过对均匀网格地图进行结构分析和模式数据库标识预计算解决面临的严峻的地图预处理复杂度问题。其中对均匀网格地图进行结构分析识别出轴向跳点和有源对角跳点；并对轴向跳点和有源对角跳点的塌缩位置进行全地图搜索，得到所有源节点和所有可通行节点之间的最优路径的初始边，并结合索引，生成预处理信息，对预处理信息进行压缩，生成压缩模式数据库。使得能够在均匀网格地图预处理代价可接受的前提下实现超快搜索速度。

技术领域

本发明的基本应用领域为机器人导航和游戏人工智能中智能体的快速路径规划，技术领域主要涉及人工智能中经典的启发式搜索问题求解技术、地图空间拓扑结构提取技术等。

背景技术

在人工智能领域，机器人技术和计算机游戏智能被视为建模人类在复杂环境下的感知、规划、决策和行动能力的综合领域。近年来，各类型机器人在生产生活中广泛使用，以及学界与工业界对计算机游戏智能的重视程度逐渐提高，作为机器人和游戏非玩家角色(NPC,Non-Player Characters)各方面技术的基础，基于均匀网格(uniform grids)地图的最短路径规划技术近十年也取得了显著的进步。作为一个基础服务，很多场景中有限的计算资源需要同时应答大量智能体的路径规划请求，因此规划技术的快速响应能力最受关注。

其中最为著名的一类算法称为跳点搜索算法(JPS,Jump Point Search)，当智能体在均匀网格地图上移动时，跳点搜索算法在相同起点和终点、相等长度的对称路径中，将对角移动优先路径确定为主要偏序，将不满足该原则的其他所有路径剔除在搜索空间之外。理论证明，任何可通行的两个位置之间都存在至少一条满足该规则的最短路径。被该偏序规则剔除的子节点通常可以由当前节点的父节点从更短的路径或长度相同但对角移动出现更早的路径到达。

跳点搜索算法应用A*算法时并不将中间节点加入Open表中，除非遇到需要将前进方向向其他分支扩展的节点时，才将这样的节点加入Open表中以待扩展。中间节点都将被跳过。

跳点搜索算法仅需在线处理，不涉及地图预处理，相较单纯的A*算法速度提高了一个数量级。但它的一个主要缺点是扩展节点时需要进行大量的逐行逐列的中间节点扫描和判断。基于此，JPS+在离线阶段为每一可通行节点的每一可通行方向计算和存储与通过该方向可到达的第一个跳点或障碍物的距离。这一预存信息进一步提高了搜索速度。进一步地，JPS+(P)在搜索时采用中转剪枝技术，将对角跳点视为过渡节点不加入Open表进行处理，相比JPS+一定程度降低了Open表操作次数。

通过与压缩模式数据库(CPD,Compressed Pattern Databases)技术的结合，跳点搜索算法的性能得到了大幅度提升。压缩模式数据库是用空间换时间的基于预处理的路径规划技术，在离线阶段通过以每个可通行节点为源发起Dijkstra搜索，为当前节点找到能够以最短路径到达其他所有连通节点的出边。若以矩阵M表示这一预处理得到的数据，则M[i,j]表示从第i个节点到达第j个节点的最短路径上源于节点i的第一边。为压缩这一矩阵的存储空间，SRC(Single-Row Compression)算法对其每一行(对应每一个源节点)采用RLE(Run-Length Encoding)方法进行数据压缩，一般可得到300-400的压缩比。在线进行路径规划时，SRC则在从起点开始的每一个当前节点向压缩模式数据库中检索其到达给定目标点的最佳移动，从而迭代得到完整的最短路径。其中的每一次检索都需要在对应行压缩数据中进行二分查找。SRC因为完全不需要进行A*算法的在线搜索，检索效率非常高。

跳点搜索算法与SRC结合产生了Topping算法，仅在关键节点上(如起点、跳点)上进行压缩模式数据库的二分查找得到最优方向，而同时访问跳点搜索的距离表得到对应方向可以重复执行的步数，从而免去了在中间节点上多余的二分查询。因为对跳点搜索距离表的访问是常数级的，Topping算法相较SRC提高了数倍的路径规划效率。需要注意地是，与SRC不同，预处理阶段的Dijkstra搜索采用了与JPS一致的diagonal-first偏序，保证两者结合的最大效益，即能将压缩模式数据库查询的次数降到最低。