Zaktualizuj 'route-planning.md'

route-planning.md

@@ -11,7 +11,7 @@
 ___
 
 Drugim zadaniem dotyczącym projektu jest zastosowanie strategii przeszukiwania przestrzeni stanów do problemu planowania ruchu agenta na kracie.
-___
+
 ## Heurystyka
 - założenie — odległość pomiędzy sąsiadującymi polami wynosi 2, tyle samo co koszt wjazdu na puste pole
 - s — pole, na którym jesteśmy
@@ -31,7 +31,7 @@ def hscore(self, s, f):
 ```
 Wpierw obliczamy wysokość trójkąta, jaki tworzą obecne i końcowe pole, w celu wyznaczenia przeciwprostokątnej — odległość między s i f.
 
-___
+
 ## Funkcja następnika
 Tworzymy listę, do której będziemy kolejno generować sąsiadów dla danego x.
 
@@ -53,7 +53,7 @@ def neighbours(self):
         for x in [6, 7, 8, 11, 12, 13, 16, 17, 18]:
             self.neighbours[x] = [x - 5, x - 1, x + 1, x + 5]
 ```
-___
+
 ##  Główna pętla strategii przeszukiwania
 Zaczynamy od znalezienia w open_set pola o najniższym f.
 ```
@@ -103,7 +103,7 @@ Wyliczamy g i f — przewidywany dystans od startu do celu, dla y.
                     self.g_score[y] = tentative_g_score
                     self.f_score[y] = self.g_score[y] + self.hscore(y, koniec)
 ```
-___
+
 ## Tworzenie ścieżki
 Przechodzimy po tablicy poprzedników, aż dojdziemy do początku — pola, które nie ma poprzednika.
 ```
@@ -115,7 +115,7 @@ def reconstruct_path(self, came_from, current):
     return total_path
 ```
 
-___
+
 ## Koszt podróży na pola uprawne