Poprawiony raport

route_planning.md

@@ -0,0 +1,95 @@
+#### Definicja pętli głównej przeszukiwania:
+W algorytmie znajdowania najlepszej ścieżki wykorzystana została kolejka priorytetowa *PriorityQueue()* służąca do przechowywania wierzchołków do odwiedzenia. Dopóki nie jest ona pusta, działa pętla główna przeszukiwania. W pętli kolejno:
+
+1. z kolejki wybierany jest wierzchołek o najniższym priorytecie
+```python
+while self.open:
+  _, current_node = self.open.get()
+  ```
+
+2. dodawany jest on do listy już przeszukanych wierzchołków
+```python
+self.closed.append(current_node)
+```
+
+3. sprawdzane jest czy aktualny wierzchołek jest jednocześnie celem, który miał zostać osiągnięty przez agenta
+```python
+if current_node.x == self.dest.x and current_node.y == self.dest.y:
+	while current_node.x != start_node.x or current_node.y != start_node.y:
+		self.path.append(current_node)
+		current_node = current_node.parent
+	return True
+```
+
+>(jeśli tak, od strony celu odtwarzana jest najkrótsza ścieżka prowadząca z aktualnego punktu do celu)
+
+4. znajdowani są sąsiedzi danego wierzchołka, a następnie dla każdego z nich:
+
++ liczony jest koszt za pomocą funkcji heurystyki
+```python
+cost = current_node.g_cost + self.heuristic(current_node, neighbour)
+```
+
++ sprawdane jest czy nie należy on do listy już przeszukanych wierzchołkow (jeśli tak, zostaje on pominięty)
+```python
+if self.check_if_closed(neighbour):
+	continue
+```
+
++ jeśli znajduje się on już w kolejce priorytetowej ale z większym kosztem niż ten obecnie wyliczony, uaktualniony zostaje jego koszt oraz rodzic
+```python
+if self.check_if_open(neighbour):
+	if neighbour.g_cost > cost:
+		neighbour.g_cost = cost
+		neighbour.parent = current_node
+```
+
++ w przeciwnym przypadku, zostaje on dodany do kolejki priorytetowej wraz ze 	swoim rodzicem oraz wyliczonym kosztem.
+```python
+else:
+	neighbour.g_cost = cost
+	neighbour.h_cost = self.heuristic(neighbour, self.dest)
+	neighbour.parent = current_node
+	self.open.put((neighbour.g_cost, neighbour))
+  ```
+
+#### Definicja funkcji następnika:
+
+```python
+def get_neighbours(self, node: Node):
+		neighbours = []
+		if self.check_if_can_move(Coordinates(node.x + 1, node.y)):
+			neighbours.append(Node(node.x + 1, node.y))
+		if self.check_if_can_move(Coordinates(node.x - 1, node.y)):
+			neighbours.append(Node(node.x - 1, node.y))
+		if self.check_if_can_move(Coordinates(node.x, node.y + 1)):
+			neighbours.append(Node(node.x, node.y + 1))
+		if self.check_if_can_move(Coordinates(node.x, node.y - 1)):
+			neighbours.append(Node(node.x, node.y - 1))
+		return neighbours
+```
+Funkcja zwracająca następników w naszym projekcie wykorzystuje sąsiedztwo von Neumanna. Sąsiadami danej płytki, są 4 najbliższe płytki znajdujące się od niej powyżej, poniżej, na prawo oraz na lewo.
+
+Dla każdego z 4 potencjalnych sąsiadów sprawdzane jest najpierw czy takowy istnieje za pomocą funkcji *check_if_can_move*:
+
+```python
+def check_if_can_move(self, next_coords: Coordinates):
+	tile_on_map = 0 <= next_coords.x < self.warehouse.width and 0 <= next_coords.y < self.warehouse.height
+	if not tile_on_map:
+		return False
+	next_tile = self.warehouse.tiles[next_coords.x][next_coords.y]
+	tile_passable = isinstance(next_tile, Tile) and next_tile.category.passable
+	return tile_passable
+```
+
+Funkcja ta sprawdza czy wybrany sąsiad znajduje się w obrębie magazynu i czy jest on płytką po której może przemieszczać się agent.
+
+#### Definicja funkcji heurystyki:
+
+```python
+def heuristic(self, start: Node, goal: Node):
+  diff_x = pow(goal.x - start.x, 2)
+  diff_y = pow(goal.y - start.y, 2)
+  return round(sqrt(diff_x + diff_y), 3)
+  ```
+w naszym projekcie jako heurystyki używamy funkcji liczącej odległość euklidesową pomiędzy dwoma wybranymi punktami, z których drugi jest aktualnym celem który agent ma osiągnąć.