raport
22
astar.py
@ -23,10 +23,10 @@ def astar(obiekty, start, cel):
|
|||||||
hscore = {start: heurystyka(start, cel)}
|
hscore = {start: heurystyka(start, cel)}
|
||||||
gscore = {start: 0}
|
gscore = {start: 0}
|
||||||
fscore = {start: heurystyka(start, cel)}
|
fscore = {start: heurystyka(start, cel)}
|
||||||
oheap = []
|
fringe = []
|
||||||
heapq.heappush(oheap, (fscore[start], start))
|
heapq.heappush(fringe, (fscore[start], start))
|
||||||
while oheap:
|
while fringe:
|
||||||
current = heapq.heappop(oheap)[1]
|
current = heapq.heappop(fringe)[1]
|
||||||
if current == cel:
|
if current == cel:
|
||||||
data = []
|
data = []
|
||||||
while current in came_from:
|
while current in came_from:
|
||||||
@ -34,23 +34,25 @@ def astar(obiekty, start, cel):
|
|||||||
current = came_from[current]
|
current = came_from[current]
|
||||||
return data[::-1]
|
return data[::-1]
|
||||||
close_set.add(current)
|
close_set.add(current)
|
||||||
|
|
||||||
for i, j in sasiedzi:
|
for i, j in sasiedzi:
|
||||||
sasiad = current[0] + i, current[1] + j
|
sasiad = current[0] + i, current[1] + j
|
||||||
|
|
||||||
if 14 < sasiad[0] or sasiad[0] < 0:
|
if 14 < sasiad[0] or sasiad[0] < 0:
|
||||||
continue
|
continue
|
||||||
elif 14 < sasiad[1] or sasiad[1] < 0:
|
elif 14 < sasiad[1] or sasiad[1] < 0:
|
||||||
continue
|
continue
|
||||||
elif 6 <= sasiad[0] <= 7 and 10 <= sasiad[1] <= 11:
|
elif 6 <= sasiad[0] <= 7 and 10 <= sasiad[1] <= 11:
|
||||||
continue
|
continue
|
||||||
tentative_h_score = heurystyka(sasiad, cel) + stepcost(obiekty, sasiad)
|
|
||||||
|
|
||||||
if sasiad in [i[1] for i in oheap] and tentative_h_score < hscore.get(current, 0):
|
tentative_h_score = heurystyka(sasiad, cel) + stepcost(obiekty, sasiad)
|
||||||
|
if sasiad in [i[1] for i in fringe] and tentative_h_score < hscore.get(current, 0):
|
||||||
continue
|
continue
|
||||||
elif sasiad not in close_set and sasiad not in [i[1] for i in oheap]:
|
elif sasiad not in close_set and sasiad not in [i[1] for i in fringe]:
|
||||||
came_from[sasiad] = current
|
came_from[sasiad] = current
|
||||||
hscore[sasiad] = tentative_h_score
|
hscore[sasiad] = tentative_h_score
|
||||||
fscore[sasiad] = tentative_h_score + gscore[current]
|
fscore[sasiad] = tentative_h_score + gscore[current]
|
||||||
gscore[sasiad] = gscore[current] + heurystyka(current, sasiad)
|
gscore[sasiad] = gscore[current] + heurystyka(current, sasiad)
|
||||||
heapq.heappush(oheap, (fscore[sasiad], sasiad))
|
heapq.heappush(fringe, (fscore[sasiad], sasiad))
|
||||||
return False
|
return False
|
||||||
|
|
||||||
|
|
||||||
|
@ -215,9 +215,6 @@ class Kratka(pygame.sprite.Sprite):
|
|||||||
self.jestPrzeszkoda = False
|
self.jestPrzeszkoda = False
|
||||||
self.kolor = GREY
|
self.kolor = GREY
|
||||||
self.obiekt = None
|
self.obiekt = None
|
||||||
self.g = 0 # Distance to start node
|
|
||||||
self.h = 0 # Distance to goal node
|
|
||||||
self.f = 0 # Total cost
|
|
||||||
pygame.sprite.Sprite.__init__(self)
|
pygame.sprite.Sprite.__init__(self)
|
||||||
self.image = pygame.image.__class__
|
self.image = pygame.image.__class__
|
||||||
self.rect = pygame.Rect(self.pozX * WIDTH + MARGIN * self.pozX + MARGIN,
|
self.rect = pygame.Rect(self.pozX * WIDTH + MARGIN * self.pozX + MARGIN,
|
||||||
|
Before Width: | Height: | Size: 11 KiB After Width: | Height: | Size: 10 KiB |
Before Width: | Height: | Size: 18 KiB After Width: | Height: | Size: 4.5 KiB |
Before Width: | Height: | Size: 46 KiB After Width: | Height: | Size: 57 KiB |
BIN
resources/screenShots/stepcost.png
Normal file
After Width: | Height: | Size: 16 KiB |
@ -22,6 +22,16 @@ po czym wybiera następny najbliższy nieodwiedzony kontener.
|
|||||||
|
|
||||||
![petla](resources/screenShots/petlaGlowna.png)
|
![petla](resources/screenShots/petlaGlowna.png)
|
||||||
|
|
||||||
|
- w pętli głównej wykorzystujemy przeszukiwanie grafu (graphsearch)
|
||||||
|
- tworzymy kolejkę priorytetową, po czym dodajemy do niej bieżący węzeł
|
||||||
|
- przeprowadzamy test osiągnięcia celu:
|
||||||
|
- jeżeli cel został osiągnięty, to odtwarzamy ścieżkę przechodząc po rodzicach
|
||||||
|
- do listy odwiedzonych elementów dodajemy bieżący element
|
||||||
|
- wybieramy następnika
|
||||||
|
- następnikowi przypisujemy rodzica
|
||||||
|
- wyznaczamy priorytet następnika
|
||||||
|
- dodajemy go do kolejki zgodnie z priorytetem
|
||||||
|
|
||||||
---
|
---
|
||||||
|
|
||||||
## 3. Funkcja następnika:
|
## 3. Funkcja następnika:
|
||||||
@ -33,6 +43,10 @@ gdzie sąsiedzi to:
|
|||||||
sasiedzi = [(0, 1), (0, -1), (1, 0), (-1, 0)]
|
sasiedzi = [(0, 1), (0, -1), (1, 0), (-1, 0)]
|
||||||
```
|
```
|
||||||
|
|
||||||
|
- następnik jest wyznaczany spośród pól sąsiadujących z danym polem (z pominięciem pól po skosie)
|
||||||
|
- następnie sprawdzane jest czy nie znajduje się on poza mapą
|
||||||
|
- potem sprawdzane jest czy wybrany punkt nie jest przeszkodą
|
||||||
|
|
||||||
---
|
---
|
||||||
|
|
||||||
## 4. Przyjęta heurystyka:
|
## 4. Przyjęta heurystyka:
|
||||||
@ -40,6 +54,13 @@ sasiedzi = [(0, 1), (0, -1), (1, 0), (-1, 0)]
|
|||||||
![heurystyka](resources/screenShots/heurystyka.png)
|
![heurystyka](resources/screenShots/heurystyka.png)
|
||||||
|
|
||||||
- Heurystyka to suma odległości Manhattan
|
- Heurystyka to suma odległości Manhattan
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## 5. Koszt wjechania na pole
|
||||||
|
|
||||||
|
![stepcost](resources/screenShots/stepcost.png)
|
||||||
|
|
||||||
- Koszt wjechania na pole, na którym jest dom wynosi 3
|
- Koszt wjechania na pole, na którym jest dom wynosi 3
|
||||||
- Koszt wjechania na pole, które jest wysypiskiem wynosi 2
|
- Koszt wjechania na pole, które jest wysypiskiem wynosi 2
|
||||||
- Koszt wjechania na pole, które jest kontenerem wynosi 3
|
- Koszt wjechania na pole, które jest kontenerem wynosi 3
|
||||||
|