×

D*Extra Lite:动态a*,具有搜索树切割和前盖修复功能。 (英语) Zbl 1367.93407号

摘要:在未知或多变的环境中搜索最短路径是机器人和视频游戏中的一个常见问题,其中代理需要更新地图并重新规划才能完成任务。D*Lite是一种流行的增量启发式搜索算法(即,它利用以前搜索的知识)。它的效率在于,它只重新扩展搜索空间中与注册的更改和代理的当前状态相关的部分。在本文中,我们提出了一种新的D*Extra-Lite算法,它接近于正则a*,并通过搜索树分支切割重新初始化受影响的搜索空间。所提供的最坏情况复杂性分析强烈表明,D*Extra Lite的重新初始化方法比D*Lite中使用的聚焦重新初始化方法更快。在对大量典型二维路径规划问题的综合测试中,D*Extra Lite比优化版D*Lite快1.08到1.94倍。此外,随着问题复杂性的增加,D*Extra Lite的性能进一步超过了D*Lite,这表明它特别适用于困难的动态问题。该算法的源代码是开源的。

MSC公司:

93C85号 控制理论中的自动化系统(机器人等)
49N90型 最优控制和微分对策的应用
90 C59 数学规划中的近似方法和启发式
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Aine,S.和Likhachev,M.(2016)。截断增量搜索,人工智能234:49-77·Zbl 1351.68251号
[2] Belter,D.、Łabecki,P.、Fankhauser,P.和Siegwart,R.(2016)。RGB-D腿机器人的地形感知和密集测绘,国际应用数学与计算机科学杂志26(1):81-97,DOI:10.1515/amcs-2016-0006·Zbl 1336.93111号
[3] Hart,P.E.、Nilsson,N.J.和Raphael,B.(1968年)。启发式确定最小成本路径的形式基础,IEEE系统科学与控制论汇刊4(2):100-107。;
[4] Hernández,C.、Asín,R.和Baier,J.A.(2015)。重用先前发现的A*路径,用于动态地形中的快速目标导向导航,第19届AAAI人工智能会议,美国德克萨斯州奥斯汀,第1158-1164页。;
[5] Hernández,C.、Baier,J.A.和Asín,R.(2014)。使A*比D*-Lite更快地在部分已知地形上进行路径规划,《第24届自动规划和调度国际会议论文集》,美国新罕布什尔州朴茨茅斯,第504-508页。;
[6] Hernández,C.、Meseguer,P.、Sun,X.和Koenig,S.(2009年)。未知地形中增量启发式搜索的路径自适应A*,第19届自动规划与调度国际会议论文集,希腊塞萨洛尼基,第358-361页。;
[7] Hernández,C.、Sun,X.、Koenig,S.和Meseguer,P.(2011年)。Tree Adaptive A*,第十届自治代理和多代理系统国际会议,台湾台北,第1卷,第123-130页。;
[8] Koenig,S.和Likhachev,M.(2001年)。改进的机器人在未知地形中导航的快速重新规划,技术报告GIT-COGSCI-2002/3,佐治亚州亚特兰大乔治亚理工学院。;
[9] Koenig,S.和Likhachev,M.(2005a)。Adaptive A*,《第四届自主代理和多代理系统国际联合会议记录》,荷兰乌得勒支,第1311-1312页。;
[10] Koenig,S.和Likhachev,M.(2005年b)。未知地形导航的快速重新规划,IEEE机器人学报21(3):354-363。;
[11] Koenig,S.、Likhachev,M.和Furcy,D.(2004)。终身规划A*,人工智能155(1):93-146·Zbl 1085.68674号
[12] Koenig,S.和Sun,X.(2009年)。比较实时位置代理、自治代理和多代理系统的实时和增量启发式搜索18(3):313-341。;
[13] Likhachev,M.、Ferguson,D.I.、Gordon,G.J.、Stentz,A.和Thrun,S.(2005)。《Anytime Dynamic A*:一种随时随地的重新规划算法》,《第十五届自动规划与调度国际会议论文集》,美国加利福尼亚州蒙特雷,第262-271页·Zbl 1184.68474号
[14] Podsędkowski,L.(1998)。具有快速重新规划程序的非完整移动机器人路径规划器,1998年IEEE机器人与自动化国际会议,比利时卢埃文,第4卷,第3588-3593页。;
[15] Podsędkowski,L.、Nowakowski、J.、Idzikowski和Vizvary,I.(2001)。非完整移动机器人在部分已知或未知环境中的路径规划的新解决方案,机器人和自主系统34(2):145-152·Zbl 1013.68257号
[16] Przybyski,M.、Koguciuk,D.、Siemia˛towska,B.、Harasymowicz-Boggio,B.和Chechli´nski,Ł。(2015).服务机器人语义图中定性和定量空间数据的集成,见R.Szewczyk等人(编辑),《自动化、机器人学和测量技术进展》。第2卷:《机器人学》,斯普林格,查姆,第223-232页。;
[17] Przybyski,M.和Siemia˛tkowska,B.(2012)。动态环境中基于CNN的路径规划新方法,L.Rutkowski等人(编辑),《人工智能与软计算》,ICAISC 2012,计算机科学讲义,第7268卷,柏林/海德堡斯普林格,第484-492页。;
[18] 斯坦茨(1994)。部分已知环境的最优和有效路径规划,1994年IEEE机器人与自动化国际会议论文集,美国加利福尼亚州圣地亚哥,第4卷,第3310-3317页。;
[19] 斯坦茨(Stentz,A.)(1995年)。实时重新规划的聚焦D*算法,第14届国际人工智能联合会议论文集,加拿大魁北克省蒙特利尔,第2卷,第1652-1659页。;
[20] Sturtevant,N.R.(2012年)。基于网格的寻路基准,IEEE游戏4中计算智能和人工智能交易(2):144-148。;
[21] Sun,X.和Koenig,S.(2007)。《Fringe-Saving A*搜索算法——可行性研究》,第20届国际人工智能联合会议论文集,印度海得拉巴,第2391-2397页。;
[22] Sun,X.、Koenig,S.和Yeoh,W.(2008)。广义自适应A*,《第七届自主智能体和多智能体系统国际联合会议论文集》,葡萄牙埃斯托里尔,第1卷,第469-476页。;
[23] 特洛瓦托,K.I.(1990年)。差分A*:一种自适应搜索方法,用机器人路径规划来说明移动障碍物和目标,以及不确定环境,国际模式识别和人工智能杂志4(2):245-268。;
[24] Trovato,K.I.和Dorst,L.(2002)。Differential A*,IEEE知识与数据工程汇刊14(6):1218-1229。;
[25] van Toll,W.和Geraerts,R.(2015)。用于导航网格重新规划的动态修剪A*,IEEE/RSJ智能机器人和系统国际会议(IROS),德国汉堡,第2051-2057页。;
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。