CN111481933A - 一种基于改进势场栅格法的游戏路径规划方法 - Google Patents

一种基于改进势场栅格法的游戏路径规划方法 Download PDF

Info

Publication number
CN111481933A
CN111481933A CN202010420980.6A CN202010420980A CN111481933A CN 111481933 A CN111481933 A CN 111481933A CN 202010420980 A CN202010420980 A CN 202010420980A CN 111481933 A CN111481933 A CN 111481933A
Authority
CN
China
Prior art keywords
potential field
grid
role
obstacle
path planning
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202010420980.6A
Other languages
English (en)
Inventor
郑河荣
邱雷
潘翔
邹淇超
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang University of Technology ZJUT
Original Assignee
Zhejiang University of Technology ZJUT
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhejiang University of Technology ZJUT filed Critical Zhejiang University of Technology ZJUT
Priority to CN202010420980.6A priority Critical patent/CN111481933A/zh
Publication of CN111481933A publication Critical patent/CN111481933A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
    • A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
    • A63F13/55—Controlling game characters or game objects based on the game progress
    • A63F13/56—Computing the motion of game characters with respect to other game characters, game objects or elements of the game scene, e.g. for simulating the behaviour of a group of virtual soldiers or for path finding
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
    • A63F2300/00—Features of games using an electronically generated display having two or more dimensions, e.g. on a television screen, showing representations related to the game
    • A63F2300/60—Methods for processing data by generating or executing the game program
    • A63F2300/64—Methods for processing data by generating or executing the game program for computing dynamical parameters of game objects, e.g. motion determination or computation of frictional forces for a virtual car

Abstract

本发明涉及一种基于改进势场栅格法的游戏路径规划方法，本发明在经典人工势场法的基础上，引入了栅格法。首先，改进了斥力势场函数，解决了势场栅格法中的目标不可达问题；其次，在斥力函数中新增一个限制条件，提取并去除了一些不会对寻路产生影响的障碍物，平滑了路径；最后，提出了模拟流水法，有效地解决了局部最小值问题，并将模拟流水法中扩展的节点设置为虚拟障碍物节点，对角色提供斥力，避免其再次进入该区域。本发明更具有实用性和高效性。

Description

一种基于改进势场栅格法的游戏路径规划方法
技术领域
本发明涉及游戏角色寻路技术领域，尤其涉及一种基于改进势场栅格法的游戏路径规划方法。
背景技术
随着人工智能和游戏技术的发展，玩家对游戏质量的要求也在不断提高，游戏AI系统的好坏在一定程度上能影响玩家的游戏体验，其中角色自动寻路和导航是反应一个游戏智能程度的关键因素之一，在占用较小资源的同时规划出一条较优的路径是这些年来一直研究的课题。
根据对环境信息的掌握程度，路径规划可以分为全局路径规划和局部路径规划，其中常见的全局路径规划方法有：Dijkstra算法、A*算法、D*算法等，局部路径规划有人工势场法、基于遗传算法的路径规划、基于模糊逻辑的路径规划等。相比其他算法在实际应用中会出现避障效果差、计算方式复杂、实时性不好等问题，人工势场法在进行规划时，由于每次的前进方向只由当前节点周围环境决定，因此拥有实时性好，计算量小的优点。但人工势场法仅依据局部环境信息，缺乏全局环境信息，存在目标点不可达和局部最小点的问题。
针对目标不可达的问题，通常引入角色与目标点之间的距离，并将其作为因子来动态改变斥力场函数，这种方法虽然可以有效解决目标不可达的问题，但是当机器人远离目标点时，这个因子可能会严重影响斥力场，导致算法效果变差。
局部最小值问题是人工势场中最常见的问题，通过查阅大量资料，有很多解决该问题的方法，比如引入动态窗口法，沿墙避障算法，虚拟流水法等，这些算法有的只能避免陷入局部最小区域，有的虽然可以逃离陷阱区域，但是存在计算量大，路径规划效果差等问题。
发明内容
本发明为克服上述的不足之处，目的在于提供一种基于改进势场栅格法的游戏路径规划方法，本发明在经典人工势场法的基础上，引入了栅格法。首先改进了斥力势场函数，有效解决了目标不可达的问题；其次在斥力函数中增加了限制条件，筛除了一些对寻路不会产生影响的障碍物，使路径更加平滑；最后提出了模拟流水法，有效地解决了局部最小值问题，并将局部最小点区域内扩展的节点设为障碍物点以防止角色再次陷入该区域；本发明方法更具有实用性和高效性。
本发明是通过以下技术方案达到上述目的：一种基于改进势场栅格法的游戏路径规划方法，包括如下步骤：
(1)将游戏地图环境栅格化，栅格大小根据玩家角色模型大小决定，规定每个栅格大小为1，并将所有栅格势场值初始化为0，同时设定引力势场和斥力势场的增益系数；
(2)判断角色是否到达目标位置，若到达目标位置，则执行步骤(9)；否则执行步骤(3)；
(3)依据角色位置和目标位置，获得目标位置对角色及角色周围栅格的引力势场函数；
(4)依据角色位置和地图障碍物信息，获得角色周围障碍物对角色及其周围栅格的斥力势场函数；
(5)依据所述的引力势场函数和斥力势场函数，获得栅格所处位置势场大小；
(6)将角色所在栅格势场值与周围栅格比较，若周围存在比角色所处栅格势场值更低的栅格，则执行步骤(7)，否则执行步骤(8)；
(7)角色移动到周围势场值最低的栅格，并跳回执行步骤(2)；
(8)角色陷入局部最小区域，采用模拟流水法找到逃逸陷阱区域的逃逸节点，为防止角色再次进去该陷阱区域，将模拟流水法中扩展的节点设为障碍物节点，最后跳回执行步骤(2)；
(9)角色到达目标点，退出游戏路径规划。
作为优选，在步骤(3)中，目标位置作用于栅格的虚拟引力势场大小为：
Figure BDA0002496872140000031
其中Katt为引力势场增益系数，(X-Xg)2为目标位置到栅格的欧氏距离的平方。
作为优选，在步骤(4)中，障碍物作用于栅格的虚拟斥力势场大小为：
Figure BDA0002496872140000032
其中Krep为斥力势场增益系数，d为机器人到障碍物距离，d0为障碍物影响距离，X-Xg为机器人到目标点的距离，L为障碍物到角色和目标点所在直线的距离，D0表示角色模型与障碍物模型最小安全距离，D0的大小为1个单元。
作为优选，在步骤(5)中，所述栅格所处位置势场大小为：
Figure BDA0002496872140000033
其中，Uatt为栅格处引力场大小，Urep为栅格处斥力场大小，n为对当前栅格产生斥力的障碍物个数。
作为优选，所述步骤(8)中，模拟流水法的具体过程包括：从局部最小点开始，模拟向整个势场区域注水，水流会向上下左右四向扩张，每个被扩张到的栅格会继续向四周扩张，当遇到障碍物时会绕过障碍物或被障碍物阻挡，所以如果角色所在局部最小陷阱区域不是封闭的，最终可找到逃离该陷阱区域的逃逸节点。
作为优选，逃逸节点的判定规则为：暂定逃逸节点G'周围只有一或两个障碍物时，在下述情况下即可判定为逃逸节点：
1)只有一个障碍物O时，记局部最小值点的坐标为M，计算向量
Figure BDA0002496872140000041
的内积，若
Figure BDA0002496872140000042
则判定G'为逃逸节点；
2)如果有两个障碍物O1和O2时，判断O1,G'和O2三点是否在同一直线上，如果是在同一直线上，则G'为逃逸节点。
作为优选，所述步骤(8)中，虚拟障碍物点的设置方法为：
模拟流水法扩张的节点存放到列表List中，待找到逃逸节点后，将List中的节点均设置为障碍物节点，对角色提供斥力势场，并添加到记录障碍物的列表Obstacle中。
本发明的有益效果在于：(1)在势场栅格法中，如果目标点附近存在障碍物节点，无法保证目标点的势场值为全局最小，导致目标点不可达的问题出现；本发明改进了斥力势场函数，引入了角色与目标点之间的欧式距离，保证目标点为全局最小点，解决了目标不可达问题；(2)在势场栅格法中，一些不会阻碍角色寻路的障碍物也会对角色产生斥力势场，导致运动路径质量下降；本发明在斥力势场函数中添加了限制条件：L＜D0，使得到角色和目标点所在直线距离大于最小安全距离的障碍物失去对角色的影响，优化了路径质量；(3)在路径规划过程中，遇到U型或长壁型障碍物时，使用势场栅格法进行路径规划，往往会使角色陷入局部最小区域而导致寻路失败；本发明提出了模拟流水法，可以快速有效地找到逃离陷阱区域的栅格节点，并将扩展过的节点设为虚拟障碍物节点，防止角色再次进入该陷阱区域，提高了运行效率，使得算法更具有实用性和高效性。
附图说明
图1是本发明的方法流程示意图；
图2是本发明中角色模型在障碍物环境下所受斥力示意图；
图3是本发明中模拟流水法扩张过程示意图。
具体实施方式
下面结合具体实施例对本发明进行进一步描述，但本发明的保护范围并不仅限于此：
实施例：如图1所示，一种基于改进势场栅格法的游戏路径规划方法包括如下步骤：
S1.将游戏地图环境栅格化，初始化所有栅格势场值为0，设定引力势场和斥力势场的增益系数。
在步骤1中，地图栅格大小由玩家角色模型决定，要求能正好将整个角色包围其中，规定每个栅格的大小为1个单位，引力势场和斥力势场增益系数均设为10。
S2.判断角色是否到达目标位置，如果到达目标位置则退出路径规划，否则调用步骤3。具体的，判断角色是否到达目标位置，对比角色所在栅格坐标与目标位置栅格坐标即可，如果两坐标一致则判定角色到达目标点。
S3.依据角色位置和地图障碍物信息，获得角色周围障碍物对角色及其周围栅格的斥力势场函数。
在步骤3中，目标位置作用于栅格的虚拟引力势场大小为：
Figure BDA0002496872140000051
其中Katt为一个正常数，表示引力势场增益系数，在初始化地图时即设置值为10，(X-Xg)2为目标位置到栅格的欧氏距离的平方。
S4.依据角色位置和地图障碍物信息，获得角色周围障碍物对角色及其周围栅格的斥力势场函数。
在步骤4中，角色在障碍物环境中受到的斥力示意图如图2所示。只有影响到角色正常寻路的障碍物才会对角色施加斥力。障碍物作用于栅格的虚拟斥力势场大小为：
Figure BDA0002496872140000061
其中Krep为正常数，表示斥力势场增益系数，在初始化地图时即设置为10，d为机器人到障碍物的欧式距离，d0为障碍物影响距离此处设为5个单位，X-Xg为机器人到目标点的欧式距离，D0表示角色模型与障碍物模型最小安全距离，由于栅格大小是根据角色模型划分的，且大小为1个单元，因此当障碍物与角色模型的距离大于等于1时，两者就不会碰撞，所以这里规定D0的大小为1个单元，L为障碍物到角色和目标点所在直线的欧式距离。
S5.根据引力势场函数和斥力势场函数，获得栅格所处位置势场大小，计算势场大小公式为：
Figure BDA0002496872140000062
其中，Uatt为栅格处引力场大小，Urep为栅格处斥力场大小，n为对当前栅格产生斥力的障碍物个数。
S6.算得角色所在栅格势场值U0，以及其周围栅格势场值U1～U8并选取其中的最小值Umin，将U0与Umin作比较，若U0＜Umin则角色所在栅格为势场最小值点，即角色陷入了局部最小值区域，调用步骤8，否则调用步骤7。
S7.角色移动到上述步骤6中势场值为Umin的栅格，然后调用步骤2，判断是否到达目标位置。
S8.角色陷入局部最小区域，使用模拟流水法找到逃逸陷阱区域的逃逸节点，角色到达逃逸节点后，为防止角色再次进去该陷阱区域，将模拟流水法扩张的节点设为障碍物节点,最后回到步骤2。其中，模拟流水法的具体过程如下：
如图3所示，从局部最小点开始，模拟向整个势场区域注水，水流会向上下左右四向扩张，每个被扩张到的栅格会继续向四周扩张，当遇到障碍物时会绕过障碍物或被障碍物阻挡，所以如果角色所在局部最小陷阱区域不是封闭的，就可以找到逃离该陷阱区域的逃逸节点。
流水法扩张实施过程为：创建三个列表List1，List2和List3，其中List1中存放下一次循环中需要扩张的节点，List2中存放已经扩张过的节点，List3是List1和List2的并集。每一轮扩张，从List1中取出节点n并存放到List2中，遍历n的子节点m1-m4，如果m不是障碍物节点，则判断其是否在List3中，若不在，将其添加到List1和List3；如果m是障碍物，将n标记为暂定逃逸节点G'，并通过逃逸节点判定规则来判断是否为逃逸节点，如果是逃逸节点，退出模拟流水法，如果不是，则进入下一轮扩张。
逃逸节点判定规则：暂定逃逸节点G'周围只有一或两个障碍物时，在下述情况下可以判定为逃逸节点：
(1)只有一个障碍物O时，记局部最小值点的坐标为M，计算向量
Figure BDA0002496872140000071
的内积，若
Figure BDA0002496872140000072
则判定G'为逃逸节点。
(2)如果有两个障碍物O1和O2时，判断O1,G'和O2三点是否在同一直线上，如果是在同一直线上，则G'为逃逸节点。
在步骤8中，虚拟障碍物节点的设置方法如下：
模拟流水法扩展的节点均保存在列表List2中，将List2中的节点均设置为障碍物节点，对角色提供斥力势场，并添加到记录障碍物的列表Obstacle中。
S9.角色到达目标点，退出路径规划。
以上的所述乃是本发明的具体实施例及所运用的技术原理，若依本发明的构想所作的改变，其所产生的功能作用仍未超出说明书及附图所涵盖的精神时，仍应属本发明的保护范围。

Claims (7)

1.一种基于改进势场栅格法的游戏路径规划方法，其特征在于，包括如下步骤：
(1)将游戏地图环境栅格化，栅格大小根据玩家角色模型大小决定，规定每个栅格大小为1，并将所有栅格势场值初始化为0，同时设定引力势场和斥力势场的增益系数；
(2)判断角色是否到达目标位置，若到达目标位置，则执行步骤(9)；否则执行步骤(3)；
(3)依据角色位置和目标位置，获得目标位置对角色及角色周围栅格的引力势场函数；
(4)依据角色位置和地图障碍物信息，获得角色周围障碍物对角色及其周围栅格的斥力势场函数；
(5)依据所述的引力势场函数和斥力势场函数，获得栅格所处位置势场大小；
(6)将角色所在栅格势场值与周围栅格比较，若周围存在比角色所处栅格势场值更低的栅格，则执行步骤(7)，否则执行步骤(8)；
(7)角色移动到周围势场值最低的栅格，并跳回执行步骤(2)；
(8)角色陷入局部最小区域，采用模拟水流法找到逃逸陷阱区域的逃逸节点，当角色到达逃逸节点后，为防止角色再次进去该陷阱区域，将模拟流水法扩展的节点设置为虚拟障碍物点，跳回执行步骤(2)；
(9)角色到达目标点，退出游戏路径规划。
2.根据权利要求1所述的一种基于改进势场栅格法的游戏路径规划方法，其特征在于：在步骤(3)中，目标位置作用于栅格的虚拟引力势场大小为：
Figure FDA0002496872130000011
其中Katt为引力势场增益系数，(X-Xg)2为目标位置到栅格的欧氏距离的平方。
3.根据权利要求1所述的一种基于改进势场栅格法的游戏路径规划方法，其特征在于：在步骤(4)中，障碍物作用于栅格的虚拟斥力势场大小为：
Figure FDA0002496872130000021
其中Krep为斥力势场增益系数，d为机器人到障碍物距离，d0为障碍物影响距离，X-Xg为机器人到目标点的距离，L为障碍物到角色和目标点所在直线的距离，D0表示角色模型与障碍物模型最小安全距离，D0的大小为1个单元。
4.根据权利要求1所述的一种基于改进势场栅格法的游戏路径规划方法，其特征在于：在步骤(5)中，所述栅格所处位置势场大小为：
Figure FDA0002496872130000022
其中，Uatt为栅格处引力场大小，Urep为栅格处斥力场大小，n为对当前栅格产生斥力的障碍物个数。
5.根据权利要求1所述的一种基于改进势场栅格法的游戏路径规划方法，其特征在于：所述步骤(8)中，模拟水流法的具体过程包括：从局部最小点开始，模拟向整个势场区域注水，水流会向上下左右四向扩张，每个被扩张到的栅格会继续向四周扩张，当遇到障碍物时会绕过障碍物或被障碍物阻挡，所以如果角色所在局部最小陷阱区域不是封闭的，即可找到逃离该陷阱区域的逃逸节点。
6.根据权利要求5所述的一种基于改进势场栅格法的游戏路径规划方法，其特征在于：逃逸节点的判定规则为：暂定逃逸节点G'周围只有一或两个障碍物时，在下述情况下即可判定为逃逸节点：
1)只有一个障碍物O时，记局部最小值点的坐标为M，计算向量
Figure FDA0002496872130000023
的内积，若
Figure FDA0002496872130000024
则判定G'为逃逸节点；
2)如果有两个障碍物O1和O2时，判断O1,G'和O2三点是否在同一直线上，如果是在同一直线上，则G'为逃逸节点。
7.根据权利要求5所述的一种基于改进势场栅格法的游戏路径规划方法，其特征在于：所述步骤(8)中，虚拟障碍物点的设置方法为：模拟流水法扩张的节点存放到列表List中，待找到逃逸节点后，将List中的节点均设置为障碍物节点，对角色提供斥力势场，并添加到记录障碍物的列表Obstacle中。
CN202010420980.6A 2020-05-18 2020-05-18 一种基于改进势场栅格法的游戏路径规划方法 Pending CN111481933A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010420980.6A CN111481933A (zh) 2020-05-18 2020-05-18 一种基于改进势场栅格法的游戏路径规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010420980.6A CN111481933A (zh) 2020-05-18 2020-05-18 一种基于改进势场栅格法的游戏路径规划方法

Publications (1)

Publication Number Publication Date
CN111481933A true CN111481933A (zh) 2020-08-04

Family

ID=71790769

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010420980.6A Pending CN111481933A (zh) 2020-05-18 2020-05-18 一种基于改进势场栅格法的游戏路径规划方法

Country Status (1)

Country Link
CN (1) CN111481933A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112327887A (zh) * 2021-01-05 2021-02-05 成都信息工程大学 基于迭代改进apf的无人驾驶汽车避碰路径规划方法与系统
CN112379672A (zh) * 2020-11-24 2021-02-19 浙大宁波理工学院 一种基于改进人工势场的智能无人船路径规划方法
CN112546630A (zh) * 2020-12-25 2021-03-26 珠海西山居移动游戏科技有限公司 角色移动方法及装置
CN115167465A (zh) * 2022-08-10 2022-10-11 哈尔滨理工大学 基于人工势场栅格法的无人潜器三维路径规划方法
CN115421520A (zh) * 2022-10-14 2022-12-02 深圳市华赛睿飞智能科技有限公司 一种无人机路径规划方法、无人机及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105320133A (zh) * 2015-10-26 2016-02-10 广东雷洋智能科技股份有限公司 一种应用于扫地机器人的改进势场栅格法
CN105511457A (zh) * 2014-09-25 2016-04-20 科沃斯机器人有限公司 机器人静态路径规划方法
CN105867365A (zh) * 2016-03-11 2016-08-17 中国矿业大学(北京) 基于改进人工势场法的路径规划导航系统及方法
WO2018120489A1 (zh) * 2016-12-29 2018-07-05 珠海市一微半导体有限公司 一种智能机器人的路径规划方法
CN110865642A (zh) * 2019-11-06 2020-03-06 天津大学 一种基于移动机器人的路径规划方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105511457A (zh) * 2014-09-25 2016-04-20 科沃斯机器人有限公司 机器人静态路径规划方法
CN105320133A (zh) * 2015-10-26 2016-02-10 广东雷洋智能科技股份有限公司 一种应用于扫地机器人的改进势场栅格法
CN105867365A (zh) * 2016-03-11 2016-08-17 中国矿业大学(北京) 基于改进人工势场法的路径规划导航系统及方法
WO2018120489A1 (zh) * 2016-12-29 2018-07-05 珠海市一微半导体有限公司 一种智能机器人的路径规划方法
CN110865642A (zh) * 2019-11-06 2020-03-06 天津大学 一种基于移动机器人的路径规划方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
吴中华;: "智能汽车避障路径的智能水滴算法规划方法" *
梁嘉俊等: "基于改进势场栅格法的清洁机器人路径规划算法研究" *
汪四新等: "基于改进人工势场－ 模糊算法的路径规划算法研究" *
鞠阳;王新永;徐国忠;: "流函数法在UUV航路规划中的应用及改进" *
鲁新军等: "机器人导航中势场局部最小的水流解决法" *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112379672A (zh) * 2020-11-24 2021-02-19 浙大宁波理工学院 一种基于改进人工势场的智能无人船路径规划方法
CN112379672B (zh) * 2020-11-24 2022-05-10 浙大宁波理工学院 一种基于改进人工势场的智能无人船路径规划方法
CN112546630A (zh) * 2020-12-25 2021-03-26 珠海西山居移动游戏科技有限公司 角色移动方法及装置
CN112546630B (zh) * 2020-12-25 2022-09-02 珠海西山居数字科技有限公司 角色移动方法及装置
CN112327887A (zh) * 2021-01-05 2021-02-05 成都信息工程大学 基于迭代改进apf的无人驾驶汽车避碰路径规划方法与系统
CN112327887B (zh) * 2021-01-05 2021-04-30 成都信息工程大学 基于迭代改进apf的无人驾驶汽车避碰路径规划方法与系统
CN115167465A (zh) * 2022-08-10 2022-10-11 哈尔滨理工大学 基于人工势场栅格法的无人潜器三维路径规划方法
CN115167465B (zh) * 2022-08-10 2023-04-28 哈尔滨理工大学 基于人工势场栅格法的无人潜器三维路径规划方法
CN115421520A (zh) * 2022-10-14 2022-12-02 深圳市华赛睿飞智能科技有限公司 一种无人机路径规划方法、无人机及存储介质

Similar Documents

Publication Publication Date Title
CN111481933A (zh) 一种基于改进势场栅格法的游戏路径规划方法
Golas et al. Hybrid long-range collision avoidance for crowd simulation
Van Den Berg et al. Interactive navigation of multiple agents in crowded environments
CN109116841B (zh) 一种基于蚁群算法的路径规划平滑优化方法
Björnsson et al. Improved heuristics for optimal pathfinding on game maps
CN108268042A (zh) 一种基于改进可视图构造的路径规划算法
Bianchi et al. Heuristically Accelerated Q–Learning: a new approach to speed up Reinforcement Learning
CN115079705A (zh) 基于改进a星融合dwa优化算法的巡检机器人路径规划方法
Theocharous et al. Approximate planning with hierarchical partially observable Markov decision process models for robot navigation
Sharifi et al. Two phased cellular PSO: A new collaborative cellular algorithm for optimization in dynamic environments
Rad et al. Automatic skill acquisition in Reinforcement Learning using connection graph stability centrality
Was Cellular automata model of pedestrian dynamics for normal and evacuation conditions
Barnett et al. Coordinated crowd simulation with topological scene analysis
Rahim et al. Breadth first search approach for shortest path solution in Cartesian area
CN115562272A (zh) 机器人行进路径的规划方法及装置
CN114166235A (zh) 一种基于优化a-star算法的全局动态平滑路径规划方法
CN115933693A (zh) 一种基于自适应混沌粒子群算法的机器人路径规划方法
CN105678844B (zh) 一种基于地物散乱点逐点增加的轮廓构建方法
CN114237302A (zh) 一种基于滚动时域的三维实时rrt*航路规划方法
Makarov et al. Smoothing Voronoi-Based Path with Minimized Length and Visibility Using Composite Bezier Curves.
Ruan et al. Dynamic cellular learning automata for evacuation simulation
CN111928853A (zh) 复杂环境下空基平台快速航路规划方法
CN115169690B (zh) 基于改进蚁群算法的溃坝洪水避洪转移动态路径优化方法
CN116518977A (zh) 一种无人机路径规划方法、系统及设备
CN116523158A (zh) 一种多无人机航迹规划方法、装置、设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20200804