forked from s444420/AL-2020
103 lines
3.6 KiB
Markdown
103 lines
3.6 KiB
Markdown
# Raport 2
|
|
|
|
### Definicja pętli głownej strategi przeszukiwania
|
|
Naszą główną funkcją jest funkcja `aStar(startField, goalField)`, przyjmuje ona dwa argumenty: `startField` - pole z którego wyrusza agent `goalField` - cel drogi agenta. Zwraca ona ścieżkę z `startField` do `goalField`.
|
|
|
|
#### Opis
|
|
|
|
`closedSet` - lista zawierająca sprawdzane i sprawdzone pola z listy `openSet`
|
|
|
|
`openSet` - lista zawierająca pola do sprawdzenia
|
|
|
|
`path` - lista zawierająca pola tworzące ścieżkę do wybranego celu
|
|
|
|
<br>
|
|
|
|
- Dodajemy pierwszy element który będziemy sprawdzać do listy openSet: `openSet.push(startField);`
|
|
- Kolorujemy punkt startowy na zielono: `colorGreen(startField, animationFrame);`
|
|
- Dopóki lista `openSet` nie bedzie pusta sprawdzamy jej elementy: `while(openSet.length > 0)`
|
|
- Wybieramy najbardziej obiecujący element z zbioru `openSet`:
|
|
|
|
```javascript
|
|
let winner = 0;
|
|
for(let i = 0; i < openSet.length; i++){
|
|
if (openSet[i].f < openSet[winner].f){
|
|
winner = i
|
|
}
|
|
}
|
|
|
|
let current = openSet[winner];
|
|
```
|
|
- Jeśli pole `current` okaże się naszym celem tworzymy ścieżkę z punktu startowego do naszego celu.
|
|
|
|
```javascript
|
|
if(current === goalField){
|
|
path = []
|
|
var temp = current;
|
|
path.push(temp);
|
|
while(temp.previous){
|
|
path.push(temp.previous);
|
|
temp = temp.previous
|
|
}
|
|
```
|
|
- Następnie kolorujemy tą ścieżkę i kończymy funkcję zwracając ścieżkę `path`
|
|
|
|
```javascript
|
|
for(var i = 0; i < path.length; i++){
|
|
animationFrame = colorYellow(path[i], animationFrame);
|
|
}
|
|
return path;
|
|
```
|
|
- Jeśli pole `current` nie jest naszym celem, to usuwamy je z listy `openSet`, dodajemy do listy `closedSet` oraz kolorujemy je na czerwono.
|
|
|
|
```javascript
|
|
removeFromSet(openSet, current);
|
|
closedSet.push(current);
|
|
animationFrame = colorRed(current, animationFrame);
|
|
```
|
|
- Pobieramy sąsiadów pola `current`: `var neighbors = current.neighbors;`
|
|
- Dla każdego sąsiada obliczamy koszt dotarcia do niego z punktu początkowego najlepszą ścieżką.
|
|
|
|
```javascript
|
|
for(var i = 0; i < neighbors.length; i++){
|
|
var neighbor = neighbors[i];
|
|
if(!closedSet.includes(neighbor)){
|
|
var tempG = current.gScore + neighbor.costOfTravel;
|
|
if(openSet.includes(neighbor)){
|
|
if(tempG < neighbor.gScore){
|
|
neighbor.gScore = tempG;
|
|
}
|
|
} else {
|
|
neighbor.g = tempG;
|
|
openSet.push(neighbor);
|
|
animationFrame = colorGreen(neighbor,animationFrame);
|
|
}
|
|
```
|
|
- Po przypisaniu kosztu do sąsiada przypisujemy jego odległość do celu:<br>`neighbor.h = getDistance(neighbor, goalField);
|
|
|
|
- sumę jego kosztu oraz heurystki: `neighbor.f = neighbor.g + neighbor.h;` gdzie `neighbor.g` to koszt dotarcia do danego pola, a `neighbor.h` to szacowana odległość od danego pola do celu.
|
|
- oraz jego poprzednika: `neighbor.previous = current;`
|
|
|
|
### Definicja funkcji następnika
|
|
|
|
Następnik wybierany jest z listy sąsiadów poprzednio wybranych pól. Jest to najbardziej obiecujące pole `current`,
|
|
tzn. pole o najmniejszej sumie kosztu przejścia do niego z punktu startowego oraz heurystki.
|
|
|
|
```javascript
|
|
let winner = 0;
|
|
for(let i = 0; i < openSet.length; i++){
|
|
if (openSet[i].f < openSet[winner].f){
|
|
winner = i
|
|
}
|
|
}
|
|
let current = openSet[winner];
|
|
```
|
|
|
|
### Definicja przyjętej heurystyki
|
|
Jest to szacowana odległość od sprawdzanego pola do celu. Obliczana jest jako `Manhattan Distance`, ponieważ w naszym modelu Agent nie może poruszać się po skosie.
|
|
|
|
distance = `|x1 - x2| + |y1 - y2|`
|
|
|
|
### Przykładowe działanie implementacji algorytmu A*
|
|
|
|
https://youtu.be/b5RHlOqqs4Y |