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

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.

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.

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.