使用 matplotlib 和 A* 演算法建構無人機導航系統

您有沒有想過無人機如何在複雜的環境中導航？在本部落格中，我們將使用 Python、Matplotlib 和 A* 演算法來建立一個簡單的無人機導航系統。最後，您將擁有一個可以視覺化無人機解決迷宮的工作系統！

你將學到什麼

1. 基本人工智慧術語，如「代理」和「環境」。
2. 如何使用 Python 建立和視覺化迷宮。
3. A* 演算法如何解決導航問題。
4. 如何實現和可視化無人機的路徑。

簡介

要建造我們的無人機導航系統，我們需要以下內容：

1. 特務：無人機？ .
2. 路徑： 無人機將穿過的 2D 迷宮？ ️。
3. 搜尋演算法： A* 演算法 ⭐.

但首先，讓我們為新手快速回顧一些基本的人工智慧術語。

關鍵人工智慧術語

• 代理：一個實體（如我們的無人機），感知其環境（迷宮）並採取行動以實現目標（到達迷宮的盡頭）。
• 環境： 代理運行的世界，這裡表示為 2D 迷宮。
• 啟發式：用於指導搜尋的經驗法則或估計（例如測量到目標的距離）。

系統設計

我們的無人機將在二維迷宮中導航。迷宮將包括：

• 牆壁（不可通行區域以 1 表示）。
• 路徑（以 0 表示的開放空間）。

無人機的目標：

1. 避開牆壁。 ？
2. 到達路徑的盡頭。 ？

這是迷宮的樣子：

第 1 步：搭建迷宮

導入所需的庫

首先，安裝並匯入所需的庫：

import matplotlib.pyplot as plt
import numpy as np
import random
import math
from heapq import heappop, heappush

定義迷宮尺寸

讓我們定義迷宮大小：
蟒蛇
寬度、高度 = 22, 22

設定方向和重量

在現實世界的導航中，不同方向的移動可能會產生不同的成本。例如，向北移動可能比向東移動更困難。

DIRECTIONAL_WEIGHTS = {'N': 1.2, 'S': 1.0, 'E': 1.5, 'W': 1.3}
DIRECTIONS = {'N': (-1, 0), 'S': (1, 0), 'E': (0, 1), 'W': (0, -1)}

初始化迷宮網格

我們從一個充滿牆壁的網格開始（1s）：

import matplotlib.pyplot as plt
import numpy as np
import random
import math
from heapq import heappop, heappush

麻木的。 Ones() 函數用於建立給定形狀和類型的新數組，並用 1 填充...在使用預設值初始化數組時很有用。

第二步：雕刻迷宮

現在讓我們定義一個函數，它將「雕刻」在迷宮中開闢路徑，迷宮現在只用牆壁初始化

DIRECTIONAL_WEIGHTS = {'N': 1.2, 'S': 1.0, 'E': 1.5, 'W': 1.3}
DIRECTIONS = {'N': (-1, 0), 'S': (1, 0), 'E': (0, 1), 'W': (0, -1)}

定義起點與終點

maze = np.ones((2 * WIDTH + 1, 2 * HEIGHT + 1), dtype=int)

第三步：可視化迷宮

使用Matplotlib顯示迷宮：

def carve(x, y):
    maze[2 * x + 1, 2 * y + 1] = 0  # Mark current cell as a path
    directions = list(DIRECTIONS.items())
    random.shuffle(directions)  # Randomize directions

    for _, (dx, dy) in directions:
        nx, ny = x + dx, y + dy
        if 0 <= nx < WIDTH and 0 <= ny < HEIGHT and maze[2 * nx + 1, 2 * ny + 1] == 1:
            maze[2 * x + 1 + dx, 2 * y + 1 + dy] = 0
            carve(nx, ny)

carve(0, 0)  # Start carving from the top-left corner

第 4 步：用 A 解迷宮*

A* 演算法 使用路徑成本和啟發式的組合來找出加權迷宮中的最短路徑。

定義啟發式

我們使用歐幾里德距離作為我們的啟發式：

start = (1, 1)
end = (2 * WIDTH - 1, 2 * HEIGHT - 1)
maze[start] = 0
maze[end] = 0

A*演算法實作

fig, ax = plt.subplots(figsize=(8, 6))
ax.imshow(maze, cmap='binary', interpolation='nearest')
ax.set_title("2D Maze")
plt.show()

第 5 步：視覺化解決方案

我們已經有了迷宮，但你還看不到無人機的路徑。
讓我們可視化無人機的路徑：

def heuristic(a, b):
    return math.sqrt((a[0] - b[0]) ** 2 + (a[1] - b[1]) ** 2)

結論

恭喜！ ？您已經建造了一個可用的無人機導航系統：

• 產生一個 2D 迷宮。
• 使用 A* 演算法解決它。
• 可視化最短路徑。

後續步驟

1. 嘗試不同的迷宮大小和重量。
2. 嘗試其他啟發式方法，例如曼哈頓距離。
3. 可視化 3D 迷宮以獲得更多複雜性！

請隨時分享您的結果或在下面的評論中提出問題。
到無限甚至更遠？

以上是使用 matplotlib 和 A* 演算法建構無人機導航系統的詳細內容。更多資訊請關注PHP中文網其他相關文章！