[发明专利]一种基于模式数据库的路径规划方法及系统

说明书

本发明公开一种基于模式数据库的路径规划方法及系统，该方法包括以下步骤：以均匀网格地图中塌缩跳点的网格点所在位置进行预处理；获取起点和终点位置；采用connect‑search算法在所有跳点中搜索最优路径，在起点与终点之间需要寻找最优复合主序路径时，在连接过程中生成起始子节点时和/或在搜索过程中扩展跳点进行剪枝；根据剪枝后的起点子节点和/或搜索过程中生成的子节点搭建起点与终点之间的最优路径并存储。解决现有技术中预处理占用存储空间且搜索速度受限问题，实现减小存储空间并提升搜索速度。

技术领域

本发明涉及人工智能路径规划技术领域，具体是一种基于压缩模式数据库的路径规划方法及系统。

背景技术

在人工智能领域，机器人技术和计算机游戏智能被视为建模人类在复杂环境下的感知、规划、决策和行动能力的综合领域。近年来，各类型机器人在生产生活中广泛使用，以及学界与工业界对计算机游戏智能的重视程度逐渐提高，典型的例子包括DeepMind团队开发的StarCraft游戏AI和OpenAI公司开发的Dota游戏AI等。作为机器人和游戏非玩家角色(NPC,Non-Player Characters)各方面技术的基础，基于均匀网格(uniform grids)地图的最短路径规划技术随着GPPC(Grid-based Path Planning Competitions)竞赛的举行和工业界对典型地图测试集的开放，在近十年也取得了显著的进步。作为一个基础服务，在人工智能中经典的启发式搜索问题求解技术、地图空间拓扑结构提取技术领域中，很多场景中有限的计算资源需要同时应答大量智能体的路径规划请求，因此规划技术的快速响应能力最受关注。

其中最为著名的一类算法称为跳点搜索(JPS,Jump Point Search)，主要由澳大利亚莫纳什大学的Daniel Harabor博士提出(Harabor D,Grastien A.Online GraphPruning for Pathfinding on Grid Maps[C]//National Conference on ArtificialIntelligence.2011:1114–1119.Harabor D,Grastien A.Improving Jump Point Search[C]//International Conference on Automated Planning and Scheduling.2014.)。当智能体在网格地图上移动时，JPS在相同起点和终点、相等长度的对称路径中，将对角方向移动优先路径确定为主要偏序(diagonal-first canonical ordering)，将不满足该原则的其他所有路径剔除在搜索空间之外。理论证明，任何可通行的两个位置之间都存在至少一条满足该规则的最短路径。如图1所示，被该偏序规则剔除的子节点(灰色所示)通常可以由当前节点的父节点从更短的路径或长度相同但对角移动出现更早的路径到达。通常，这样的剪枝递归使用可以使某一节点的子节点仅剩1个或0个，不仅降低了正在被扩展节点的分支因子，也减小了子节点的分支因子。

另外，JPS应用A*算法时并不将中间节点加入Open表中，除非遇到图1(c)中需要将前进方向向其他分支扩展的节点时，才将这样的节点加入Open表中以待扩展。中间节点都将被跳过，因此图1(c)中的特殊节点称为“跳点”。

JPS算法仅需在线处理，不涉及地图预处理，相较单纯的A*算法速度提高了一个数量级。但它的一个主要缺点是扩展节点时需要进行大量的逐行逐列的中间节点扫描和判断。基于此，JPS+在离线阶段为每一可通行节点的每一可通行方向计算和存储与通过该方向可到达的第一个跳点或障碍物的距离。这一预存信息进一步提高了搜索速度。进一步地，JPS+(P)在搜索时采用中转剪枝(intermediate pruning)技术，将对角跳点视为过渡节点不加入Open表进行处理，相比JPS+一定程度降低了Open表操作次数。