Path-planning problems are fundamen

Path-planning problems are fundamental in many applications, such as transportation, artificial intelligence, control of autonomous vehicles, and many more. In this paper, we consider the deterministic path-planning problem, equivalently, the single-pair shortest path problem on a given grid-like graph structure. Current commonly used algorithms in this area include the A* algorithm, Dijkstra's algorithm, and their numerous variants. We propose an innovative beamlet-based graph structure for path planning that utilizes multiscale information of the environment. This information is collected via a bottom-up fusion algorithm. This new graph structure goes beyond "nearest-neighbor" connectivity, incorporating "long-distance" interactions between the nodes of the graph. Based on this new graph structure, we obtain a multiscale version of A*, which is advantageous when preprocessing is allowable and feasible. Compared to the benchmark A* algorithm, the use of multiscale information leads to an improvement in terms of computational complexity. Numerical experiments indicate an even more favorable behavior than the one predicted by the theoretical complexity analysis.

ผลลัพธ์ (ไทย) 1:

วางแผนเส้นทางปัญหาพื้นฐานในโปรแกรมประยุกต์หลายโปรแกรม ขนส่ง ปัญญาประดิษฐ์ ควบคุมยานพาหนะที่ปกครอง และมากมายได้ ในเอกสารนี้ เราพิจารณา deterministic วางแผนเส้นทางปัญหา equivalently เดี่ยวคู่สั้นที่สุดเส้นทางปัญหาในโครงสร้างตารางเช่นกำหนดให้กราฟ ปัจจุบันอัลกอริทึมโดยทั่วไปใช้ในพื้นที่นี้รวม A * อัลกอริทึม ของไดค์ และตัวแปรมากมายของพวกเขา เรานำเสนอเป็นกราฟตาม beamlet นวัตกรรมโครงสร้างสำหรับการวางแผนเส้นทางที่ใช้ multiscale ข้อมูลสภาพแวดล้อม ข้อมูลนี้จะถูกรวบรวมผ่านอัลกอริทึมการฟิวชั่นขึ้นด้านล่าง โครงสร้างกราฟนี้ใหม่เกิน "ใกล้บ้าน" การเชื่อมต่อ เพจ "ทางไกล" การโต้ตอบระหว่างโหนของกราฟ ขึ้นอยู่กับโครงสร้างกราฟใหม่นี้ เรารับรุ่น multiscale ของ A * ซึ่งเป็นข้อได้เปรียบเมื่อประมวลผลเบื้องต้นได้ และเป็นไปได้ เปรียบเทียบกับเกณฑ์มาตรฐาน A * ขั้นตอนวิธี การใช้ข้อมูล multiscale นำเพื่อการปรับปรุงในด้านการคำนวณซับซ้อน ทดลองเป็นตัวเลขบ่งชี้ลักษณะการทำงานดียิ่งกว่าหนึ่งทำนาย โดยการวิเคราะห์ความซับซ้อนของทฤษฎี

ผลลัพธ์ (ไทย) 2:

ปัญหาเส้นทางการวางแผนเป็นพื้นฐานในการใช้งานเป็นจำนวนมากเช่นการขนส่ง, การประดิษฐ์, การควบคุมของยานพาหนะของตนเองและอื่น ๆ อีกมากมาย ในบทความนี้เราจะพิจารณาปัญหาเส้นทางที่วางแผนกำหนดเท่ากันคู่เดียวปัญหาเส้นทางที่สั้นที่สุดบนตารางเหมือนที่กำหนดโครงสร้างกราฟ ปัจจุบันขั้นตอนวิธีการที่ใช้กันทั่วไปในพื้นที่นี้รวมถึงอัลกอริทึม * ขั้นตอนวิธี Dijkstra และสายพันธุ์มากมายของพวกเขา เราเสนอนวัตกรรมโครงสร้างกราฟ beamlet ที่ใช้สำหรับการวางแผนเส้นทางที่ใช้ข้อมูล Multiscale ของสภาพแวดล้อม ข้อมูลนี้จะถูกรวบรวมผ่านทางขั้นตอนวิธีการฟิวชั่นจากล่างขึ้นบน โครงสร้างกราฟใหม่นอกเหนือไปจาก "เพื่อนบ้านที่ใกล้ที่สุด" การเชื่อมต่อการใช้มาตรการ "ระยะยาว" การมีปฏิสัมพันธ์ระหว่างโหนดของกราฟ ตามโครงสร้างกราฟใหม่นี้เราได้รับรุ่น Multiscale ของ A * ซึ่งเป็นข้อได้เปรียบเมื่อประมวลผลเบื้องต้นเป็นที่อนุญาตและเป็นไปได้ เมื่อเทียบกับเกณฑ์มาตรฐาน * อัลกอริทึมที่ใช้ข้อมูล Multiscale นำไปสู่​​การปรับปรุงในแง่ของความซับซ้อนของคอมพิวเตอร์ ตัวเลขการทดลองแสดงให้เห็นพฤติกรรมที่แม้จะดีขึ้นกว่าที่คาดการณ์โดยการวิเคราะห์ความซับซ้อนทางทฤษฎี

ผลลัพธ์ (ไทย) 3:

ปัญหาการวางแผนเส้นทางเป็นพื้นฐานในการใช้งานมากเช่นการขนส่ง , ปัญญาประดิษฐ์ , การควบคุมของยานพาหนะในกำกับของรัฐ และอีกมากมาย ในกระดาษนี้เราพิจารณาเชิงกำหนดเส้นทางการวางแผนปัญหา , ก้อง , คู่เดียวปัญหาวิถีสั้นสุดเมื่อได้รับตารางเช่นโครงสร้างกราฟ ปัจจุบันนิยมใช้ขั้นตอนวิธีการในพื้นที่นี้รวมถึง * ขั้นตอนวิธีขั้นตอนวิธีของไดค์สตรา และหลากหลายของพวกเขา เราเสนอ beamlet นวัตกรรมตามกราฟโครงสร้างเส้นทางวางแผนที่จะใช้ข้อมูล multiscale ของสภาพแวดล้อม ข้อมูลนี้จะถูกรวบรวมผ่านทางล่างของขั้นตอนวิธี กราฟโครงสร้างใหม่นี้นอกเหนือไปจาก " เชื่อมต่อเพื่อนบ้านที่ใกล้ที่สุด " ผสมผสาน " ปฏิสัมพันธ์ทางไกล " ระหว่างโหนดในกราฟตามกราฟโครงสร้างใหม่นี้ เราได้รับรุ่น multiscale ของ * ซึ่งเป็นประโยชน์เมื่อการเตรียมจะอนุญาตและความเป็นไปได้ เมื่อเทียบกับเกณฑ์มาตรฐาน * ขั้นตอนวิธี การใช้ข้อมูล multiscale นำไปสู่การปรับปรุงในแง่ของความซับซ้อนในการคำนวณการทดลองเชิงตัวเลขแสดงพฤติกรรมที่ดียิ่งขึ้นมากกว่าที่คาดการณ์ไว้ โดยการวิเคราะห์ความซับซ้อนเชิงทฤษฎี .