[
-
内容大纲
本书以智能网联汽车决策规划算法的核心原理为基础，结合实际应用场景，深入浅出地讲解了路径规划与决策算法的基本思想与优化策略。全书共10章，分别讲解了Dijkstra算法、A*算法（A-star Algorithm）、Bellman-Ford算法、Floyd-Warshall算法、Floyd算法、D*算法、D* Lite算法、基于A*算法变种的动态规划算法、RRT算法、优先级遍历算法。
本书适合作为高等院校计算机科学与技术、智能车辆工程及其相关专业的教材，也可作为软件工程师与算法工程师、自动驾驶系统工程师、游戏开发者、物流行业从业者、机器人研究者与开发者的参考书。 -
作者介绍
-
目录
第1章 Dijkstra算法
1.1 Dijkstra算法简介
1.1.1 背景与历史
1.1.2 应用领域与典型场景
1.2 Dijkstra算法的核心思想
1.2.1 Dijkstra算法的实现步骤
1.2.2 Dijkstra算法图的表示方法
1.3 Dijkstra算法的应用案例
1.3.1 交通网络中的最短路径规划
1.3.2 在机器人导航系统中的应用
1.4 Dijkstra算法的局限性与改进
1.4.1 负权边问题
1.4.2 大规模图的计算效率
1.5 综合实战——游戏地图中的最短路径规划
1.5.1 项目介绍
1.5.2 构建Graph
1.5.3 具体实现
习题
第2章 A*算法
2.1 A*算法简介
2.1.1 背景与历史
2.1.2 应用领域与典型场景
2.2 A*算法的核心思想
2.2.1 A*算法的原理和实现步骤
2.2.2 选择启发式函数（估算函数）
2.3 A*算法的优化
2.3.1 基本的优化措施
2.3.2 Hybrid A*算法优化
2.4 A*算法的应用案例
2.4.1 游戏开发中的路径规划
2.4.2 在机器人导航系统中的应用
习题
第3章 Bellman-Ford算法
3.1 Bellman-Ford算法介绍
3.1.1 背景与历史
3.1.2 应用领域与典型场景
3.1.3 Bellman-Ford算法与其他路径规划算法的对比
3.1.4 图的表示方法
3.2 Bellman-Ford算法的应用案例
3.2.1 解决负权边的最短路径问题
3.2.2 在网络流量优化中的应用
3.2.3 在自动驾驶路径规划中的应用
3.3 Bellman-Ford算法的局限性与改进
3.3.1 负权回路的处理
3.3.2 大规模图的计算效率
3.4 综合实战——路线导航
3.4.1 项目背景
3.4.2 问题介绍
3.4.3 具体实现
3.4.4 调试运行
3.5 综合实战——基于Flask Web的路径规划可视化
3.5.1 项目介绍
3.5.2 路径规划（1）
3.5.3 路径规划（2）
3.5.4 模板文件
3.5.5 脚本文件
习题
第4章 Floyd-Warshall算法
4.1 Floyd-Warshall算法简介
4.1.1 背景与历史
4.1.2 应用领域与典型场景
4.2 Floyd-Warshall算法的核心思想
4.2.1 图的表示方法
4.2.2 Floyd-Warshall算法的推导过程
4.2.3 Floyd-Warshall算法与其他路径规划算法的对比
4.3 Floyd-Warshall算法的应用案例
4.3.1 航空线路规划
4.3.2 城市交通规划应用
4.4 Floyd-Warshall算法的局限性与改进
4.4.1 算法复杂度与大规模图的挑战
4.4.2 负权回路的处理策略
4.5 综合实战——无人驾驶领域的路径规划系统（出租车/运输车）
4.5.1 背景介绍
4.5.2 键值对映射模板
4.5.3 城市编号
4.5.4 红黑树数据结构和迭代器
4.5.5 栈数据结构
4.5.6 迭代器接口
4.5.7 图结构
4.5.8 车费信息
4.5.9 路径规划
4.5.10 收费信息
4.5.11 入口函数
习题
第5章 Floyd算法
5.1 Floyd算法简介
5.1.1 背景与历史
5.1.2 Floyd算法和Floyd-Warshall算法的关系
5.1.3 Floyd算法和Floyd-Warshall算法的区别
5.1.4 应用领域与典型场景
5.2 Floyd算法的核心思想
5.2.1 Floyd算法的原理和实现步骤
5.2.2 Floyd算法的计算过程
5.3 Floyd算法的改进
5.3.1 通过空间优化来减少内存消耗
5.3.2 并行化优化
5.4 综合实战——校内机器人配送系统
5.4.1 项目介绍
5.4.2 具体实现
习题
第6章 D*算法
6.1 动态路径规划算法简介
6.1.1 静态路径规划算法和动态路径规划算法
6.1.2 动态路径规划算法的背景
6.1.3 应用领域与场景
6.1.4 常用的动态路径规划算法
6.2 D*算法介绍
6.2.1 背景与历史
6.2.2 D*算法的原理和实现步骤
6.2.3 D*算法总体流程及与A*算法的对比
6.2.4 D*算法的常用概念及函数
6.3 D*算法的应用案例
6.3.1 帮助探险家寻找最短路径
6.3.2 迷宫中的D*算法探索与动态障碍物处理
6.3.3 探索机器人的新家
6.4 综合实战——基于D*算法的动态路径规划可视化系统
6.4.1 项目介绍
6.4.2 D*算法功能的声明
6.4.3 D*算法功能的实现
6.4.4 主程序
习题
第7章 D*Lite算法
7.1 D*Lite算法简介
7.1.1 背景与历史
7.1.2 应用领域与场景
7.2 D*Lite算法的核心思想
7.2.1 基本思想
7.2.2 D*Lite算法的实现步骤
7.3 综合实战——可视化的D*Lite路径规划系统
7.3.1 项目介绍
7.3.2 运算符重载
7.3.3 优先队列
7.3.4 实现D*Lite路径规划算法
7.3.5 绘制地图
7.3.6 主程序
7.3.7 编译运行
7.4 综合实战——智能路径导航系统
7.4.1 项目介绍
7.4.2 环境的建模和初始化
7.4.3 实现D*Lite路径规划算法
7.4.4 可视化界面
7.4.5 主程序
7.4.6 调试运行
习题
第8章 基于A*算法变种的动态规划算法
8.1 A*算法的变种
8.2 Incremental A*算法
8.2.1 Incremental A*算法介绍
8.2.2 Incremental A*算法的实现步骤
8.3 Dynamic A*算法
8.3.1 Dynamic A*算法介绍
8.3.2 应用领域与场景
8.3.3 Dynamic A*算法的实现步骤
8.3.4 Dynamic A*算法和D*算法的区别
习题
第9章 RRT算法
9.1 RRT算法介绍
9.1.1 机器人运动规划介绍
9.1.2 改进的RRT算法
9.1.3 与RRT算法相关的概念
9.2 RRT算法的定义与实现
9.2.1 RRT算法的实现步骤
9.2.2 原始的RRT算法
9.2.3 基于概率P的RRT算法
9.2.4 RRT_Connect算法
9.2.5 RRT*算法
9.3 综合实战——机器人路径规划和轨迹优化系统
9.3.1 项目介绍
9.3.2 实现RRT*算法
9.3.3 生成加速度轨迹
9.3.4 主程序
9.3.5 MATLAB可视化
9.4 综合实战——基于pygame的RRT*路径规划系统
9.4.1 项目介绍
9.4.2 通用文件
9.4.3 事件处理
9.4.4 点处理
9.4.5 碰撞检测
9.4.6 绘图操作
9.4.7 RRT算法
9.4.8 主程序
习题
第10章 优先级遍历算法
10.1 优先级遍历算法简介
10.1.1 背景与历史
10.1.2 路径规划应用中的优先级遍历算法
10.2 最佳优先搜索算法
10.2.1 最佳优先搜索算法的基本思想
10.2.2 最佳优先搜索算法的实现步骤
10.2.3 应用案例——寻找两个城市之间的最短路径
10.3 均匀代价搜索算法
10.3.1 均匀代价搜索算法的基本思想
10.3.2 均匀代价搜索算法的应用案例
10.4 深度优先搜索算法
10.4.1 深度优先搜索算法介绍
10.4.2 应用案例——寻找猫咪的最短路径
10.5 广度优先搜索算法
10.5.1 广度优先搜索算法介绍
10.5.2 广度优先搜索算法的应用案例
习题
同类热销排行榜
- 故宫日历(公历2017年)(精)26.4
- 时间简史(插图版)18
- 工程数学线性代数(第6版十二五普通高等教育本科国家级规划教材)7.76
- 昆虫记(精)/经典译林8.72
- 数控铣床综合实训教程19.2
- 昆虫记(插图典藏本)(精)11.2
- 化工制图习题集(普通高等教育规划教材)7.2
- 化工制图(普通高等教育规划教材)15.8
- 生命急救技能14
- 时间简史(普及版)(精)15.2
推荐书目
-
孩子你慢慢来/人生三书 华人世界率性犀利的一枝笔，龙应台独家授权《孩子你慢慢来》20周年经典新版。她的《...
-
时间简史(插图版) 相对论、黑洞、弯曲空间……这些词给我们的感觉是艰深、晦涩、难以理解而且与我们的...
-
本质(精) 改革开放40年，恰如一部四部曲的年代大戏。技术突变、产品迭代、产业升级、资本对接...