Apa algoritma tercanggih untuk merintis jalan di peta Bumi yang berkelanjutan?


14

Misalkan saya punya kapal permukaan otonom bertenaga surya di suatu tempat di fjord Norwegia, dilengkapi dengan set peta yang cukup baru, penerima GPS, dan tidak ada cara untuk men-downlink perintah rinci dari saya. Kapal ini harus mencapai, katakanlah, pulau Hainan secepat mungkin.

  • Apa algoritma deterministik untuk menemukan rute maritim di bola dunia?
  • Apa kompleksitas waktu dan memori mereka?

  • Dapatkah saya, misalnya, menggunakan A * setelah mengubah peta bola dunia menjadi diagram dengan poligon yang terhubung (yaitu triangulasi Delaunay pada bola / ellipsoid) dan apa pendekatan yang layak lainnya?

Jawaban idealnya memberikan referensi ke makalah dengan diskusi tentang pertanyaan yang disebutkan di atas.

Seperti yang ditunjukkan oleh Rob Lang , algoritme harus sesuai dengan kriteria yang biasa: jika tidak ada batasan waktu, mengarah ke jalur terpendek antara dua titik di lautan dan lautan Bumi, atau menunjukkan kegagalan penelusuran jalan jika tidak.

Ada sub-topik yang menarik di sini (memperdagangkan waktu / penyimpanan pra-komputasi untuk perhitungan online, memberikan rute yang sedikit kurang optimal sebelum tenggat waktu dimulai, dll.), Tetapi ini merupakan tambahan untuk masalah utama.


1
@JDong - navigasi darat mengikuti rute / jalan, pada umumnya, maka A * muncul secara alami. Grafik yang dibuat sebelumnya adalah apa yang saya gunakan.
Pemburu Rusa

1
Ah, saya melewatkan bagian penting dari pertanyaan Anda: 'terus menerus'. Dalam hal ini mungkin bidang vektor atau potensial mungkin menjanjikan.
JDong

1
@RobLang - pertanyaan diedit.
Deer Hunter

1
Untuk rute maritim, Anda perlu memperhitungkan permukaan laut, angin, dan air. Kapal macam apa yang kita bicarakan? OpenSeaMap menyediakan beberapa jalur pengiriman. Jika Anda dapat menggunakan A * itu akan berhasil. Saya juga berpikir pertanyaan ini adalah luas untuk beta ini.
PiTheNumber

1
Saya pikir pertanyaan ini baik-baik saja jika hanya meminta algoritma pathfinding dinamis terbaik untuk ruang berkesinambungan hari ini. Saya mungkin mencoba menjawab ini hari ini setelah melakukan sedikit riset.
JDong

Jawaban:


7

Persyaratan deterministik tidak terlalu membatasi. Itu hanya menyiratkan kendaraan Anda yakin dengan keadaan tempat itu berada. Dengan demikian, Anda mungkin ingin merencanakan jalur dengan cara yang memungkinkan Anda menghindari rintangan. Cara terbaik saya telah melihat ini dilakukan adalah dengan perencana berbasis pengambilan sampel. Steven LaValle menulis sumber akademis utama tentang topik ini: Algoritma Perencanaan .

Algoritma RRT * adalah di antara perencana yang ia gambarkan. Algoritma ini menghasilkan pohon ruang angkasa dengan sampel acak dan beberapa heuristik untuk memastikan kelayakan (misalnya penghindaran rintangan) dan optimalitas. Rincian tentang RRT * dapat ditemukan di buku LaValle, atau di situs web Sertac Karaman . Karakteristik waktu dan memori asimptotik digambarkan sebagai O (nlogn) untuk diproses, dan O (n) untuk kueri. Algoritma ini linear, O (n), dalam kompleksitas ruang juga.


Terpilih untuk referensi. Akan mempertimbangkan menerima setelah membaca buku LaValle dan memeriksa hal-hal RRT *. Terima kasih!
Pemburu Rusa

4

Untuk pertimbangan Anda lebih lanjut, bidang potensial adalah pilihan menarik dan murah untuk merintis jalan. Anda akan menempatkan muatan yang kuat di tujuan, dan akhirnya agen akan tiba di muatan. Sebuah lebih teknis artikel oleh Yayasan Internasional untuk Agen Otonomi dan multiagen Sistem menyediakan lebih wawasan.

Bidang vektor juga merupakan solusi yang sangat murah, tetapi lebih sering digunakan untuk multi-agent pathfinding . Namun bidang vektor sangat baik untuk area terbuka. Namun, tidak satu pun dari metode di atas yang menjamin jalur terpendek, mengorbankan jalur optimal untuk respons dinamis yang lebih baik.

Pendekatan gabungan juga kuat, seperti menggunakan A * sebelumnya untuk menghasilkan titik arah dan menggunakan bidang vektor untuk pergi ke setiap titik arah. Ini mungkin akan memberikan perilaku yang jauh lebih optimal pada skala makro.

Ingatlah hal ini jika Anda memperoleh pasukan robot renang.

Dengan menggunakan situs kami, Anda mengakui telah membaca dan memahami Kebijakan Cookie dan Kebijakan Privasi kami.
Licensed under cc by-sa 3.0 with attribution required.