[发明专利]一种基于双向搜索的无人船路径规划优化方法

权利要求书

1.一种基于双向搜索的无人船路径规划优化方法，其特征是，具体包括如下步骤：

(1)基于传统A^*算法编写基本路径规划程序以实现基本的避障和路径规划能力；

(2)设计动态加权因子对传统A^*算法的启发式估计代价函数进行改进；

(3)设计双向搜索策略对传统A^*算法的搜索策略进行改进；

(4)基于贝塞尔曲线对规划出的路径进行平滑处理。

2.根据权利要求1所述的一种基于双向搜索的无人船路径规划优化方法，其特征是，在步骤(1)中，传统A^*算法的核心是计算与节点信息密切相关的评价函数的大小，评价函数为：

f(n)＝g(n)+h(n)

式中f(n)是从开始节点n_start到当前搜索节点n_current再到目标节点n_goal的代价总和的评价函数；g(n)是从开始节点n_start到当前搜索节点n_current的实际代价函数；h(n)是当前搜索节点n_current到目标节点n_goal的启发式估计代价函数，在当前搜索节点n_current确定的前提下，g(n)是一个确定的数，实际代价函数g(n)为：

式中x_c、y_c分别代表当前搜索节点n_current的横、纵坐标；x_s、y_s分别代表开始节点n_start的横、纵坐标；

传统A^*算法利用评价函数来对每一个节点进行评估，得到评估最优的节点，再从这个节点继续搜索直到目标节点。

3.根据权利要求2所述的一种基于双向搜索的无人船路径规划优化方法，其特征是，在步骤(1)中，传统A^*算法步骤如下：

(11)初始化各个参数，建立两个空列表open_list和close_list用于存放搜索的栅格信息，将开始节点n_start添加到open_list中；

(12)搜索open_list中第一个元素周围八个邻域的栅格，将搜索到的非障碍物栅格添加到open_list当中；

(13)根据评价函数分别计算open_list中各个栅格的f(n)值并按照由小到大的顺序排列，将f(n)值最小的栅格坐标作为当前搜索节点n_current，若当前搜索节点n_current的坐标与目标节点n_goal相一致，则找到路径，退出循环；

若不是，则继续进行下一步；

(14)将当前搜索节点n_current从open_list中删除并放入close_list当中，并对当前搜索节点n_current的所有相邻节点进行判断并将所有符合判定条件的n_id设置为当前搜索节点n_current；

(15)重复执行步骤(13)和步骤(14)，若当前搜索节点n_current等于目标节点n_goal或者open_list为空，则结束循环。

4.根据权利要求3所述的一种基于双向搜索的无人船路径规划优化方法，其特征是，在步骤(14)中，对当前搜索节点n_current的所有相邻节点进行如下判断：

(a)如果相邻节点不在open_list和close_list当中，将此节点添加到open_list当中，用当前搜索节点n_current作为该节点的父节点，并计算该节点的f(n)值；

(b)如果相邻节点已在open_list当中，则再次计算该节点的f(n)值，如果新f(n)值小于旧f(n)值，则用新f(n)值代替旧f(n)值，同时将该节点的父节点修改为当前搜索节点n_current；

(c)如果相邻节点为障碍物或者已在close_list当中，则忽略该节点。