[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

摘要

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)＝hr(i)*hd(i)，hd(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，hr(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，hr(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。

主权项

1.一种同时将距离、搜索方向作为启发信息的寻找最优路径的估价方法，其特征在于，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，x、y为当前节点位置，x_end、y_end为终点位置；步骤2：完成搜索方向函数设计；步骤2.1：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，初步设计估价函数为f(α)＝‑cos(α)，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。