22、机器人路径规划与人工智能个性模拟-优快云博客

本文链接：https://blog.youkuaiyun.com/swift5iosmith/article/details/151993369

机器人路径规划与人工智能个性模拟

1. 机器人路径规划算法

1.1 A*算法介绍

在寻找地图中绕过障碍物的最短路径时，A 算法是一种系统且数学化的方法。它起源于1968年斯坦福大学的Shakey机器人项目。当时，Nils Nilsson团队为了让Shakey在斯坦福的走廊中导航，尝试了多种算法，经过多次迭代，最终确定了一种结合多种技术的方法，即A 算法。

A*算法的核心概念是计算每个网格方块的代价，公式为 $F(n) = g(n) + h(n)$。其中，$F(n)$ 是该方块对路径代价的贡献，$g(n)$ 是从起始位置沿着所选路径到该方块的距离，$h(n)$ 是从该方块到目标的直线距离，是对剩余距离的启发式估计。我们会选择 $F$ 值最小的方块作为路径的一部分。

以下是A 算法的具体实现步骤：
1. 初始化地图 *：

# globals
mapLength = 1280
mapWidth = 1200
mapSize = mapLength*mapWidth
map = []

填充地图 ：

for ii in range(0, mapWidth):
    for jj in range(0,mapLength):
        mapSq = mapGridSquare()#defined la