通过四维数据寻路

问题是找到飞机穿过四维风（不同高度的风，并且随着飞行而变化的风（预测风模型））的最佳路线。

我使用了传统的 A* 搜索算法，并对其进行了修改，使其能够在 3 维和风向量中工作。

它在很多情况下都有效，但速度非常慢（我正在处理大量数据节点）并且不适用于某些边缘情况。

我觉得它运行得“很好”，但感觉非常混乱。

有没有更好更有效的方法通过这样的数据（可能是遗传算法或神经网络）进行路径查找，或者我什至没有考虑过？也许是流体动力学？我不知道？

编辑：更多细节。

数据是风矢量（方向、强度）。 数据间隔为 15x15km，分布在 25 个不同的海拔高度。

我所说的“并不总是有效”是指它会为飞机选择一条愚蠢的路径，因为路径权重与另一条路径相同。对于路径查找来说它很好，但对于飞机来说不是最佳的。

对于每个节点更改，我都会考虑很多因素：

• 上升的成本高于下降的成本。
• 抗风性。
• 忽略电阻过高的节点。
• 对角线与直线等的成本

我使用欧氏距离作为我的启发式或 H 值。 我使用各种因素来衡量我的体重或 G 值（上面的列表）。

Thanks!

您始终可以通过使用加权A* http://en.wikipedia.org/wiki/A%2a_search_algorithm#Weighted_A.2A.

加权 A* [或 A* epsilon]，预计会比 A* 更快地找到路径，但该路径不是最优的 [但是，它给你一个其最优性的界限，作为你的 epsilon/权重的参数] 。