Re: 问题比方法更重要（HeK 20211009）
作者：互联网
原文: https://blog.csdn.net/minfanphd/article/details/120666884
-
定义清楚问题
输入、输出、优化目标、约束条件
输入：1) 二维平面地图，地图的大小是已知的吗？2) 障碍是已知的吗（有可能走到面前才知道，并没有上帝视角）？3) 地图上的区域有差异吗（距离与路程是否一定成正比，如果有沼泽地就不一定了）？
输出：从原点到终点的路径
优化目标：1）路径最短；2）搜索时间最短。其实是多目标优化。
约束条件：障碍物，导致有些顶点不可达 -
输入：起始点坐标，终点坐标，障碍物坐标以及其影响范围，这里使用的都是圆形障碍物，方便判断。1) 地图大小对算法本身来说是未知的，2）障碍物在什么地方也是未知的，如果经过障碍物区域或走到面前才知道3) 地图上的区域只分为障碍物区域以及非障碍物区域，障碍物区域不可达，非障碍物区域性质一致。如果中途未经障碍物区域，距离与路程一定成正比。
输出：一条从起点达到终点的避开障碍物的路径。
优化目标：1) 搜索时间最短 2) 路径长度最短或接近最短
约束条件：路径需要避开障碍物，障碍物范围内不可达。 -
在本文中，起点：(0, 0)，图中显示为绿色。
终点：(15, 12)，图中显示为红色。
障碍物：设置了5个障碍物，均为黑色，不过半径不一样。
实际地图范围：x轴0-15， y轴0-12。 -
给出一个最简单粗暴的算法，最好是确定性的
穷举法、动态规划算法（自底向上）
广度优先搜索，从起点开始遍历相邻8个节点。直至遍历到终点为止。
规划结果如图，路径长度为50.731532841246164：
-
寻找更优的算法，有可能是不确定性的智能算法
分治法（减少时间的常用方法）
遗传算法，算法思想比较简单。
通过随机一定数量的初始化种群（理解为需要解决问题的解集），然后通过交叉（交换解的部分解值），变异（对解值做一定随机的变换），评估解的适应度（理解为解是否适合解决这个问题。在这里，使用路径长度，路径平滑度进行构造函数评估。），遗传，将生成的解集挑选部分解放入下次上述流程。直到达到最大迭代次数。
遗传算法就是通过构造一定数量的解，只要解的数量足够多，就可能逼近或达到最优解。
规划结果如图，路径长度为39.15671293710389：
标签：障碍物,20211009,路径,地图,最短,Re,算法,区域,HeK 来源： https://blog.csdn.net/qq_40670452/article/details/120683161