本文结合了机器学习和虚拟现实技术针对现有的寻路算法进行改进和研究,设计了一种适合自身特点的寻路算法,旨在弥补原有算法在系统应用中的不足。本文利用机器学习算法来寻路,相比于传统的A*寻路算法解决了局部最优的问题。当然A*算法本身存在的问题,本文也做了讨论和改进,来适应于项目的需求。本文设计的算法将人工神经网络与遗传算法结合,以达到寻找最佳适应度的目的。实验表明机器学习算法可以解决寻路问题并且用遗传算法训练优化网络权值在实时运算时减少计算量。针对火灾训练系统中复杂情况,可以达到动态寻路的效果。 寻路算法存在的问题及其改进方法3.1A*算法存在的问题第一，标准的A*算法是利用两个列表存储待取点，当我们走到一个死路的时候，会进行重新的计算，那么原来的保存于关闭列表中的父节点依旧保存于其中。那么在我们对关闭列表进行逆向时，这些节点会被包含进去，这样的路径并不是优的。第二系统寻路算法-数控切管机张家港弯管机液压弯管机电动液压弯管机滚圆机，对于我们虚拟火灾游戏中。我们会设置多个出口，A*算法的缺点就是只能处理两个点之间的最优路径，。对于多个出口我们就需要多次调用A*算法，这样效率不高本文由张家港弯管机网站

转载中国知网整理!www.wangaunjimuju.net，甚至还会出现错误的抉择。3.2A*算法问题的改进对于第一个问题，本文通过添加父指针的方法，即找到下一个最优点后，把前一个最优点保存于关闭列表中，然后将前一个最优点的父指针指向下一个最优点。当我们遇到死路的情况下，可以通过指针的方法回溯，找到最初的节点，然后排除死路继续寻找最优点。对于第二个问题，本文在单一起始节点遍历到目标节点的过程是不可打断的，但是对于多个单一节点的遍历又有许多节点会被重复遍历。由于整个过程中只有起始节点并没有参与到运算中，所以可以通过增加多个起始节点的方式，将它们都放入开放列表中，通过开放排序，帮助用户选择一个起始节点，寻找到一个最佳节点，保存的路径供下一个开放列表中的起始节点使用和参考，这样就避免了重复。这里的参考就是把前一个目标节点当作是一个中间的站台，当到达这个站台后再去其他的目标节点系统寻路算法-数控切管机张家港弯管机液压弯管机电动液压弯管机滚圆机本文由张家港弯管机网站 转载中国知网整理!www.wangaunjimuju.net