raport

astar.py

@@ -23,10 +23,10 @@ def astar(obiekty, start, cel):
     hscore = {start: heurystyka(start, cel)}
     gscore = {start: 0}
     fscore = {start: heurystyka(start, cel)}
-    oheap = []
-    heapq.heappush(oheap, (fscore[start], start))
-    while oheap:
-        current = heapq.heappop(oheap)[1]
+    fringe = []
+    heapq.heappush(fringe, (fscore[start], start))
+    while fringe:
+        current = heapq.heappop(fringe)[1]
         if current == cel:
             data = []
             while current in came_from:
@@ -34,23 +34,25 @@ def astar(obiekty, start, cel):
                 current = came_from[current]
             return data[::-1]
         close_set.add(current)
+
         for i, j in sasiedzi:
             sasiad = current[0] + i, current[1] + j
-
             if 14 < sasiad[0] or sasiad[0] < 0:
                 continue
             elif 14 < sasiad[1] or sasiad[1] < 0:
                 continue
             elif 6 <= sasiad[0] <= 7 and 10 <= sasiad[1] <= 11:
                 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
-            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
                 hscore[sasiad] = tentative_h_score
                 fscore[sasiad] = tentative_h_score + gscore[current]
                 gscore[sasiad] = gscore[current] + heurystyka(current, sasiad)
-                heapq.heappush(oheap, (fscore[sasiad], sasiad))
-    return False
+                heapq.heappush(fringe, (fscore[sasiad], sasiad))
+    return False
+
+

modele.py

@@ -215,9 +215,6 @@ class Kratka(pygame.sprite.Sprite):
         self.jestPrzeszkoda = False
         self.kolor = GREY
         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)
         self.image = pygame.image.__class__
         self.rect = pygame.Rect(self.pozX * WIDTH + MARGIN * self.pozX + MARGIN,

route-planning.md

@@ -22,6 +22,16 @@ po czym wybiera następny najbliższy nieodwiedzony kontener.
 
 ![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:
@@ -33,6 +43,10 @@ gdzie sąsiedzi to:
 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:
@@ -40,6 +54,13 @@ sasiedzi = [(0, 1), (0, -1), (1, 0), (-1, 0)]
 ![heurystyka](resources/screenShots/heurystyka.png) 
 
 - 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, które jest wysypiskiem wynosi 2
 - Koszt wjechania na pole, które jest kontenerem wynosi 3