首页 > 其他分享 >路径规划综述博客:A* Optimizations and Improvements

路径规划综述博客:A* Optimizations and Improvements

时间:2024-05-04 12:55:06浏览次数:19  
标签:Search Optimizations Hierarchical 综述 Pathfinding Improvements Games

地址:

https://lucho1.github.io/JumpPointSearch/



image

image

image



A* Optimizations and Improvements
Research Work by Lucho Suaya – Universitat Politècnica de Catalunya
Header
I am Lucho Suaya, a student of the Bahcelor’s Degree in Video Games by UPC at CITM. This content is generated for the second year’s subject Project II, under the supervisión of lecturers Ricard Pillosu and Marc Garrigó.

Index
Research Organization
Introduction to Problem
Before Starting
A* First Improvements, Generalities and Context
General Improvements and Heuristics Changes
Beam Search
Bidirectional Search
Dynamic Weighting
Iterative Deepening (IDA)
Building This Section
Paths Recalculations - Incremental Searches
Fringe Saving A

Generalized Adaptive A* (GAA) - Initial Approach to Moving Targets
Dynamic A
(DStar) and Lifelong Planning A* (LPA)
LPA
and D’s son: A love story
Angled Pathfinding
Field D

Theta*
Incremental Phi*
Nowadays - Hierarchies and other Games
Hierarchical Pathfinding (HPA)
Improving HPA
- Partial Refinement A* (PRA)
Other Games’ Approaches
Professor Lupo - Thankful Mention
Navigation Meshes and Hierarchy
Starcraft II
Dragon Age Origins
Heroes on the Move
Supernauts
Hierarchical Pathfinding
Castle Story
KillZone 2
Company of Heroes and Dawn of War 2
My Approach - Killing Path Symmetries
Jump Point Search (JPS)
Introduction
Pruning
Neighbour Pruning Rules
C/C++ Implementation
Step by Step Implementation - Do it Yourself Exercise
Exercise Solutions
Performance
More Information on JPS and Sources
Other Improvements
Rectangular Symmetry Reduction (RSR)
Hierarchical Annotated A
(HAA*)
Final Thoughts and Recommendations
Links to Additional Information
Thanks



标签:Search,Optimizations,Hierarchical,综述,Pathfinding,Improvements,Games
From: https://www.cnblogs.com/devilmaycry812839668/p/18172200

相关文章

  • VIT模型压缩综述(Comprehensive Survey of Model Compression and Speed up for Vision
    摘要:  VIT是计算机视觉的开山之作,在不同的领域都表现了优越的性能.但是过大的计算量和内存需求,限制了其使用.该篇综述研究了并评估了四种模型压缩的方法,在VIT上的作用:量化,低秩分解,知识蒸馏,剪枝.系统的分析并比较了这些方法在资源受限的环境下,优化VIT方面的效果.我们......
  • 论文解读-面向高效生成大语言模型服务:从算法到系统综述
    一、简要介绍  在快速发展的人工智能(AI)领域中,生成式大型语言模型(llm)站在了最前沿,彻底改变了论文与数据交互的方式。然而,部署这些模型的计算强度和内存消耗在服务效率方面带来了重大挑战,特别是在要求低延迟和高吞吐量的场景中。本调查从机器学习系统(MLSys)研究的......
  • 【论文随笔】会话推荐系统综述(A Survey on Conversational Recommender Systems)
    前言今天读的论文为一篇于2021年5月发表在《ACM计算机调查》(ACMComputingSurveys)的论文,文章提供了对话式推荐系统(CRS)的全面综述,探讨了CRS的定义、概念架构、交互方式、知识元素、计算任务以及评估方法。文章还讨论了CRS在不同应用环境中的实现,如智能家居助手和聊天机器人,并指......
  • 读论文-电子商务产品推荐的序列推荐系统综述与分类(A Survey and Taxonomy of Sequent
    前言今天读的这篇文章是于2023年发表在"SNComputerScience"上的一篇论文,这篇文章主要对序列推荐系统进行了全面的调查和分类,特别是在电子商务领域的应用。文章首先定义了用户和产品集合,以及用户与产品的交互序列。然后,它解释了序列推荐系统的目标,即生成一个个性化的Top-K排名的......
  • 读论文-基于会话的推荐系统综述(A survey on session-based recommender systems)
    前言今天读的论文是一篇于2021年发表于"ACMComputingSurveys(CSUR)"的论文,文章写到,推荐系统在信息过载时代和数字化经济中非常重要。基于会话的推荐系统(SBRSs)是新的推荐系统范式,不同于其他模型化长期静态用户偏好的推荐系统,SBRSs专注于捕捉短期动态用户偏好。尽管SBRSs已被深......
  • 读论文-基于序列模式的电子商务推荐系统综述(A Survey of Sequential Pattern Based E
    前言今天读的论文为一篇于2023年10月3日发表在《算法》(Algorithms)的论文,这篇文章综述了基于序列模式的电子商务推荐系统,强调了通过整合用户购买和点击行为的序列模式来提高推荐准确性、减少数据稀疏性、增加推荐新颖性,并改善推荐系统的可扩展性。文章详细分析了现有推荐系统的......
  • 读论文-基于图神经网络的会话推荐方法综述
    前言今天读的一篇文章是于2023年6月25日在《数据分析与知识发现》发表的一篇期刊论文,文章聚焦图神经网络技术,对会话推荐方法进行述评,为后续研究提供借鉴。以“SessionbasedRecommendation”、“GraphNeuralNetwork”、“会话推荐”、“图神经网络”为检索词,在“WebofScience......
  • 读论文-协同过滤技术综述(A Survey of Collaborative Filtering Techniques)
    前言今天读的一篇论文题目为《协同过滤技术综述》(ASurveyofCollaborativeFilteringTechniques),文章发表于《人工智能研究进展》(AdvancesinArtificialIntelligence)。要引用这篇论文,请使用下述格式:XiaoyuanSu,TaghiM.Khoshgoftaar,"ASurveyofCollaborativeF......
  • 【论文随笔】推荐系统综述_推荐模型、推荐技术与应用领域(A Survey of Recommendation
    前言今天读的论文为一篇于2022年1月3日发表的论文,这篇文章是关于推荐系统的综述,主要研究了推荐系统在不同服务领域的应用趋势,包括推荐模型、技术和应用领域。通过分析2010年至2021年间发表的顶级文章和顶级会议论文,系统化了推荐系统模型和技术的研究,并分析了按年份的研究趋势。文......
  • 最新语言大模型综述 Large Language Models A Survey
    文章目录摘要I.引言II.大型语言模型A.早期预训练神经语言模型B.大型语言模型家族C.其他代表性LLMsIII.LLM是如何构建的A.主要LLM架构B.数据清洗C.分词D.位置编码E.模型预训练F.微调和指令微调G.对齐H.解码策略I.成本效益的训练/推理/适应/压缩IV.LLM如......