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] 。
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)