|
@@ -0,0 +1,56 @@
|
|
|
|
|
+# DStar
|
|
|
|
|
+
|
|
|
|
|
+DStar 也称 D* 算法
|
|
|
|
|
+
|
|
|
|
|
+> DStar 是 Dynamic A Star 的简称
|
|
|
|
|
+
|
|
|
|
|
+与 A* 算法类似，通过维护一个 OpenList 来对场景中的路径节点进行搜索，不同的地方是 D* 算法是从 **终点** 向 **起点** 进行查询
|
|
|
|
|
+
|
|
|
|
|
+- 对 A* 来说，从 **起点** 进行搜索，所有搜索过的节点都记录的是到 **起点** 的最近距离
|
|
|
|
|
+- 对 D* 来说，从 **终点** 进行搜索，所有搜索过的节点都记录的是到 **终点** 的最近距离
|
|
|
|
|
+
|
|
|
|
|
+从终点开始搜索的优势是，当 AI 在移动过程中出现了原本可行走的路变成不可行走时，可以不用完全重新规划路线，最开始搜索过一次的信息能够继续使用
|
|
|
|
|
+
|
|
|
|
|
+所以，通常来说 D* 算法分为两个阶段
|
|
|
|
|
+
|
|
|
|
|
+1. 使用 A* 或者其他算法，找到从 终点 到 起点 的路径
|
|
|
|
|
+2. 动态避障搜索，当移动过程中发现某个节点变成障碍物时，重新规划路线
|
|
|
|
|
+
|
|
|
|
|
+## 代码分析
|
|
|
|
|
+
|
|
|
|
|
+### Node 结构
|
|
|
|
|
+
|
|
|
|
|
+```cpp
|
|
|
|
|
+class DNode : public Node
|
|
|
|
|
+{
|
|
|
|
|
+public:
|
|
|
|
|
+enum Tag
|
|
|
|
|
+{
|
|
|
|
|
+ NEW = 0,
|
|
|
|
|
+ OPEN = 1,
|
|
|
|
|
+ CLOSED = 2
|
|
|
|
|
+};
|
|
|
|
|
+/**
|
|
|
|
|
+ * @brief Construct a new DNode object
|
|
|
|
|
+ * @param x 坐标点 X
|
|
|
|
|
+ * @param y 坐标点 Y
|
|
|
|
|
+ * @param g 到达目标点的成本代价
|
|
|
|
|
+ * @param h 根据启发式的代价
|
|
|
|
|
+ * @param id Node 节点 ID
|
|
|
|
|
+ * @param pid Node 父节点 ID
|
|
|
|
|
+ * @param t 状态枚举值
|
|
|
|
|
+ * @param k 历史最小 g 值
|
|
|
|
|
+ */
|
|
|
|
|
+DNode(const int x = 0, const int y = 0, const double g = std::numeric_limits<double>::max(),
|
|
|
|
|
+ const double h = std::numeric_limits<double>::max(), const int id = 0, const int pid = -1, const int t = NEW,
|
|
|
|
|
+ const double k = std::numeric_limits<double>::max())
|
|
|
|
|
+ : Node(x, y, g, h, id, pid), t_(t), k_(k)
|
|
|
|
|
+{
|
|
|
|
|
+}
|
|
|
|
|
+private:
|
|
|
|
|
+int t_; // DNode's tag among enum Tag
|
|
|
|
|
+double k_; // DNode's k_min in history
|
|
|
|
|
+};
|
|
|
|
|
+```
|
|
|
|
|
+
|
|
|
|
|
+
|
NiceTry12138