航迹规划

资 源 简 介

传统的确定性方法包括，智能搜索算法（A*，D*算法等）、最速下降法、可视图方法、人工势场法、单元分解法、最优控制方法、模拟退火算法、遗传算法等。但是智能搜索方法在高维空间内易出现组合爆炸和局部最优问题；最速下降法需要大量迭代计算且无最优性保证；可视图方法计算复杂且对环境噪声敏感、难以解决高维问题；人工势场法在相近的障碍物面前难以发现路径，在狭窄通道内存在摆动现象，且具有局部最优问题；最优控制方法的模型参数调整复杂、容易发散且要求地形二阶偏导数连续；单元分解法、模拟退火算法和遗传算法的计算复杂度较高。

详 情 说 明

在确定性方法方面，传统的方法包括智能搜索算法（例如 A*，D*算法等）、最速下降法、可视图方法、人工势场法、单元分解法、最优控制方法、模拟退火算法和遗传算法等。然而，这些方法都存在一些问题。例如，智能搜索方法在高维空间中容易出现组合爆炸和局部最优问题；最速下降法需要大量迭代计算，且无法保证最优性；可视化方法计算复杂度高，对环境噪声敏感，难以解决高维问题；人工势场法在相近的障碍物面前难以找到路径，在狭窄通道内容易出现摆动现象，且存在局部最优问题；最优控制方法的模型参数调整复杂，容易出现发散情况，而且要求地形的二阶偏导数连续；单元分解法、模拟退火算法和遗传算法的计算复杂度也很高。

因此，近年来一些新的确定性方法被提出来，例如深度学习方法、群体智能算法、混合方法等，这些方法可以克服传统方法的一些限制。深度学习方法可以在高维空间中捕捉更复杂的数据结构；群体智能算法可以模拟生物集群的行为，有效地避免了组合爆炸问题；混合方法可以将多种优秀的算法结合起来，充分发挥各自的优点。这些新方法的引入更加拓宽了确定性方法的研究领域，为解决更多实际问题提供了更多的可能性。