Gekissimo.net - Opi ansaitsemaan rahaa webilläsi Internetissä!

Onko A* parempi kuin aiemmat polunhakualgoritmit?

Seuraava artikkeli auttaa sinua: Onko A* parempi kuin aiemmat polunhakualgoritmit?

“Pathfinding” – tai reitin suunnittelu kohteeseen, joka ohittaa esteet – on suuri ongelma tekoälyssä viime aikoina. Tässä suhteessa A*-hakualgoritmi on saanut paljon huomiota kyvystään ratkaista polun monimutkaisuus. Stack Overflown mukaan on kuitenkin tilanteita, joissa A* ei ehkä ole paras algoritmi ongelman ratkaisemiseen. On kuitenkin olemassa useita parametreja, joiden avulla voidaan arvioida, mikä on paras algoritmi ratkaisun löytämiseen.

Nykyiset pullonkaulat “Pathfindingin” ratkaisemisessa

Vuonna 2020 Science Direct julkaisi tietojenkäsittelytieteilijöiden Daniel Foeadin, Alfio Gefarin, Marchel Budi Kusuman, Novita Hanafiahbin ja Eric Gunawanin artikkelin “A Systematic Literature Review of A* Pathfinding”, jossa ehdotettiin, että A*-algoritmit eivät ole idioottivarmoja. algoritmeja, ja useissa skenaarioissa ne vaativat lisäalgoritmeja tai muutosta mutkikkaiden tehtävien suorittamiseksi. Lisäksi, kuten Monen agentin polunhakuongelmissa todettiin, A* kohtaa monia esteitä, kuten ristiriitaisia ​​polkuja. Perinteinen A*-perusalgoritmi ei pysty pysymään polunhakujen kasvavien vaatimusten mukana ja on ilmeisesti hiipumassa käytöstä, erityisesti monimutkaisten ongelmien yhteydessä. Silti sen parannetut ja oikein suunnitellut versiot ovat suositeltavia ylläpitämään vauhtia lisääntyneellä tehokkuudella.

Klassisen A*-algoritmiongelman ratkaiseminen

Eri alojen asiantuntijat ovat myös korostaneet A*-algoritmin tehokkuutta ja puutteita. Äskettäisessä tutkimuspaperissa Yogendra Arya, apulaisprofessori JC Bosen tiede- ja teknologiayliopistosta yhdessä muiden tutkijoiden: Huanwei Wangin, Jing Jingin, Shangjie Loun ja Wei Liun kanssa, ilmaisee asian näin: “Otaen huomioon spekulaatiot, ehdotamme kolme menetelmää tavanomaisen A*-algoritmin parantamiseksi, mukaan lukien laajennusetäisyys, kaksisuuntainen haku ja tasoitus paremman polun etsintäongelmiin‘. Paperi vertailee aikaisempia polunhakualgoritmeja ja ratkaisee olemassa olevat A*-esteet ja selittää samalla, että tietoon perustuvat hakualgoritmit, kuten A*, ovat tehokkaampia kuin Dijkstra tai leveysensimmäinen haku (BFS) A*-optimointimenetelmien avulla sen tehokkuuden optimoinnissa.

🔥 Empfohlen:  Dan Steiner Löydä ja valloita markkinarako kuin mestari Lue artikkeli
(Perinteinen A*-algoritmi, A*-algoritmi laajenemisetäisyydellä, kaksisuuntainen A*-algoritmi laajenemisetäisyydellä ja EBS-A*-algoritmi. Kartan mittakaava on simulaatiotestissä 50×50 ja jokaisen esteen koko on kartalla 5×5. Esteiden sijainti generoidaan kartalle satunnaisesti keskipisteen perusteella, mutta tiettyjä sääntöjä on olemassa. Esteen mittakaava vie tietyn osan kartan mittakaavasta, joka tulkitaan numeroksi esteiden keskipisteistä 1 % kartan mittakaavasta.)
(Kokeetulokset osoittavat, että EBS-A*-algoritmin nopeus paranee noin 328 % verrattuna perinteiseen A*-algoritmiin)

Arya ja hänen tiiminsä myöntävät täysin, että viime vuosikymmeninä useat sovellukset ovat osoittaneet erilaisia ​​polkusuunnittelumenetelmiä automatisoiduille ajoneuvoille ja roboteille. Klassiset polun suunnittelualgoritmit koostuvat muurahaispesäkkeiden optimointialgoritmeista, geneettisistä algoritmeista ja A*-algoritmista. Samaan aikaan A*-algoritmi perustuu graafihaun käsitteeseen ja on yksi paljon käytetyistä polunhakumenetelmistä.

He keskittyivät edelleen muiden tutkijoiden tutkimukseen, mutta huomauttivat nykyisistä puutteista, jotka koskevat pieniä etäisyyksiä polun ja oikean kulman kääntymisnopeuden muutoksen välillä, mikä vaikuttaa suunniteltujen polkujen suorituskykyyn kokonaisvaltaisesti. Perinteisen A*-algoritmin tehokkuuden parantamiseksi ehdotetussa algoritmissa on otettu käyttöön polun tasoitus ja laajennusetäisyys. Tiimi totesi myös, että välttääkseen törmäykset ja säilyttääkseen etäisyyden esteisiin – ja jotta laajennetut solmut eivät enää kulje – he suunnittelivat uuden algoritmin nopeuttamaan reitin suunnittelua.

Uusi lähestymistapa

Tutkimustyö nimeltä “EBS-A*-algoritmi: Parannettu A*-algoritmi polun suunnitteluun” ehdotti uutta lähestymistapaa tavanomaisten A*-algoritmien kohtaamien ongelmien ratkaisemiseen.

Perinteisten A*-algoritmien näkökohtien ja ongelmien vuoksi julkaisussa ehdotettu menetelmä muodosti uuden algoritmin nimeltä ‘EBS-A*’. Tutkimuksessa tehdyt simulaatiotestit tukevat ehdotettua teoriaa vertailtujen tulosten näyttämiseksi perinteisessä A*:ssa ja EBS-A*:ssa polun nopeuden ja kestävyyden kontekstissa.

Tutkimus ehdotti toista tapaa voittaa A*-algoritmin puutteet, mikä varmistaa sujuvan polun. Se ehdotti globaalia suunnittelumenetelmää, joka havaitsee paikallisen ympäristön ominaispiirteet. Tämän menetelmän avulla A*-algoritmi voi suunnitella globaalisti optimaalisen polun tunnetussa staattisessa ilmakehässä – eliminoiden siten ylimääräiset solmut ja kehittämällä paikallisia sekvenssisolmuja eliminoidulle globaalille polulle optimoidakseen sen globaalilla polulla, mikä takaa A*-suorituskyvyn dynaaminen tunnelma.

🔥 Empfohlen:  Ipsos Survey Review 2023: Onko se aikasi arvoista?

Tähän mennessä ei ole ollut olemassa algoritmia, joka suuntaisi kasvun kohti A*-algoritmin kokonaisvaltaista suorituskykyä. Mutta parannetulla algoritmilla uskotaan olevan ratkaiseva rooli mobiilirobottien autonomisessa navigoinnissa. Koska mobiilirobotit ovat laajalti käytössä todellisessa maailmassa, on tärkeää ehdottaa vahvaa ja erittäin tehokasta A*-algoritmia, joka pystyy palvelemaan mahdollisia sovelluksia ja tuomaan kaupallista arvoa teollisuussektorille.

A*-algoritmien tehokkuuden rinnastaminen Dijkstran, DFS:n ja BFS:n kanssa

Kun verrataan aikaisempaa Dijkstra-algoritmia A*-algoritmiin, jälkimmäinen todellakin voittaa Dijkstra-algoritmin tuottavuuden. Vaikka molemmat huolehtivat lyhimmän polun ratkaisun löytämisestä, Dijkstra ei kiinnitä paljon huomiota ratkaisun pragmaattisuuteen. Jopa sen jälkeen, kun A* koostuu läpikulkualgoritmeista, kuten DFS ja BFS, siitä tulee ensisijainen polun ratkaisija Dijkstran, DFS:n ja BFS:n haittojen valossa, jotka vaativat kartan läpikulkua kokonaan – mikä johtaa suureen painotukseen laskennassa, alhaiseen tuottavuuteen ja heikko törmäyspuoli. Aiempien algoritmien pitkä laskenta-aika heikentää tehokkuutta kartan mittakaavan kasvaessa, jolloin A*-algoritmi erottuu kyvystään tarjota lyhyin reitti kartalla kulkemalla solmujen ympäri ja tekemällä pienin polkukustannus.

Table of Contents