路径规划算法

算法:

备注：

• 原版 PriorityQueue：无法更新Node，路径较长，但搜索速度贼快
• set版 PriorityQueue：动态更新Node，路径最短，速度接近或超过优先队列（要求Node可hash）
• list版 PriorityQueue：动态更新Node，路径最短，速度最慢（in和pop时间复杂度比set的in和remove大）

用法:

• 在草纸上随便画点障碍物，拍照上传替换鲲鲲图片 image.jpg，在 A_star.py 等脚本中设置起点终点等参数，运行即可.
• 程序并没有设置复杂的继承/依赖关系，只需要如 common.py + A_star.py + image.jpg 三个文件在同一目录就能运行.

效果:

复杂障碍物地图下的路径规划结果（只能看一眼，不然会爆炸）

混合A*算法：（考虑车辆运动学约束）

A*算法：（介于最优和快速之间）

• List耗时0.67s，Set耗时0.45s，PriorityQueue耗时0.48s，步长3
• 由于List/Set存储结构能动态更新OpenList中Node的cost和parent信息，路径会更优

List/Set存储结构：

PriorityQueue存储结构：

Dijkstra算法：（最优路径，耗时较大）

• List耗时81s，Set耗时15.6s，PriorityQueue耗时15s，步长3

GBFS算法：（路径较差，速度贼快）

• List耗时0.16s，Set耗时0.12s，PriorityQueue耗时0.13s，步长3

BFS算法：（最优路径，耗时较大）

• Deque耗时8.92s，步长3

DFS算法：（最烂路径，速度较快）

• List耗时1.96s，步长5

• List耗时15.07s，步长3

PRM算法：

raise NotImplementedError

RRT算法：

raise NotImplementedError

Requirement:

python >= 3.9

opencv-python >= 4.7.0.72

matplotlib >= 3.5.1

numpy >= 1.22.3

广告:

DRL-for-Path-Planning: 深度强化学习路径规划, SAC路径规划

Grey-Wolf-Optimizer-for-Path-Planning: 灰狼优化算法路径规划、多智能体/多无人机航迹规划