python - 如何让我的 A 星搜索算法更高效?
问题描述
我在 matplotlib 中有一个网格(20*20 或 40*40 基于用户的选择),其中包含基于 LatLong 位置划分的数据。该网格中的每个单元格代表一个 0.002 或 0.001 的区域(例如:[-70.55, 43.242]
到[-70.548, 43.244]
)。网格根据阈值着色,例如高于 30 的任何东西都是绿色的,低于 30 的任何东西都是红色的。
我实现了 A start 算法以在该图上从一个位置(单元格)移动到另一个位置,同时避开所有绿色单元格。在绿色和红色单元格边界上行驶的成本为 1.3,而对角线成本为 1.5,在两个红色单元格之间行驶的成本为 1。
我正在使用对角距离启发式算法,对于每个单元格,我都会获取所有可能的邻居并G
根据阈值设置它们的值。
现在我大部分时间都能找到正确的路径,对于附近的单元格,它运行时间不到 1 秒。但是当我走得更远时,它需要 14-18 秒。
我不明白我在这里做错了什么?我一直在想办法改进它,但失败了。
这是算法的一个片段。我想指出,确定可访问的邻居和设置G
值在这里可能不是问题,因为每个函数调用运行时间大约为 0.02 - 0.03 秒。
任何建议表示赞赏!谢谢
def a_star(self, start, end):
startNode = Node(None, start)
endNode = Node(None, end)
openList = []
closedList = []
openList.append(startNode)
while len(openList) > 0:
current = openList[0]
if current.location == endNode.location:
path = []
node = current
while node is not None:
path.append(node)
node = node.parent
return path[::-1]
openList.pop(0)
closedList.append(current)
# This takes around 0.02 0.03 seconds
neighbours = self.get_neighbors(current)
for neighbour in neighbours:
append = True
for node in closedList:
if neighbour.location == node.location:
append = False
break
for openNode in openList:
if neighbour.location == openNode.location:
if neighbour.g < openNode.g:
append = False
openNode.g = neighbour.g
break
if append:
neighbour.h = round(self.heuristic(neighbour.location, endNode.location), 3)
neighbour.f = round(neighbour.g + neighbour.h, 3)
bisect.insort_left(openList, neighbour)
return False
编辑:添加节点片段
class Node:
def __init__(self, parent, location):
self.parent = parent
self.location = location
self.g = 0
self.h = 0
self.f = 0
编辑 2:添加图像
圆圈是起点,星是终点。黄色单元格不可访问,因此黄色单元格上没有对角线路径,并且无法在两个黄色单元格之间移动。
解决方案
这部分效率很低。对于您遍历两个相对较大的列表的每个邻居,一旦列表开始增长,这会使整体复杂性非常高:
for node in closedList:
if neighbour.location == node.location:
append = False
break
for openNode in openList:
if neighbour.location == openNode.location:
基本上,您的算法不应依赖于任何列表。你有你的单元格,你从列表中弹出一个,你得到 8 个邻居,你通过与你拥有的单元格进行比较来处理它们,然后将其中一些附加到列表中。无需遍历任何列表。