您有沒有想過無(wú)人機(jī)如何在複雜的環(huán)境中導(dǎo)航？在本部落格中，我們將使用 Python、Matplotlib 和 A* 演算法來(lái)建立一個(gè)簡(jiǎn)單的無(wú)人機(jī)導(dǎo)航系統(tǒng)。最後，您將擁有一個(gè)可以視覺化無(wú)人機(jī)解決迷宮的工作系統(tǒng)！

你將學(xué)到什麼

1. 基本人工智慧術(shù)語(yǔ)，如「代理」和「環(huán)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(dǎo)航問題。
4. 如何實(shí)現(xiàn)和可視化無(wú)人機(jī)的路徑。

---

簡(jiǎn)介

要建造我們的無(wú)人機(jī)導(dǎo)航系統(tǒng)，我們需要以下內(nèi)容：

1. 特務(wù)：無(wú)人機(jī)？ .
2. 路徑： 無(wú)人機(jī)將穿過的 2D 迷宮？ ?。
3. 搜尋演算法： A* 演算法 ?.

但首先，讓我們?yōu)樾率挚焖倩仡櫼恍┗镜娜斯ぶ腔坌g(shù)語(yǔ)。

---

關(guān)鍵人工智慧術(shù)語(yǔ)

• 代理：一個(gè)實(shí)體（如我們的無(wú)人機(jī)），感知其環(huán)境（迷宮）並採(cǎi)取行動(dòng)以實(shí)現(xiàn)目標(biāo)（到達(dá)迷宮的盡頭）。
• 環(huán)境： 代理運(yùn)行的世界，這裡表示為 2D 迷宮。
• 啟發(fā)式：用於指導(dǎo)搜尋的經(jīng)驗(yàn)法則或估計(jì)（例如測(cè)量到目標(biāo)的距離）。

---

系統(tǒng)設(shè)計(jì)

我們的無(wú)人機(jī)將在二維迷宮中導(dǎo)航。迷宮將包括：

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

無(wú)人機(jī)的目標(biāo)：

1. 避開牆壁。 ？
2. 到達(dá)路徑的盡頭。 ？

這是迷宮的樣子：

---

第 1 步：搭建迷宮

導(dǎo)入所需的庫(kù)

首先，安裝並匯入所需的庫(kù)：

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?。?br> 蟒蛇
寬度、高度 = 22, 22

設(shè)定方向和重量

在現(xiàn)實(shí)世界的導(dǎo)航中，不同方向的移動(dòng)可能會(huì)產(chǎn)生不同的成本。例如，向北移動(dòng)可能比向東移動(dòng)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(wǎng)格

我們從一個(gè)充滿牆壁的網(wǎng)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(shù)用於建立給定形狀和類型的新數(shù)組，並用 1 填充...在使用預(yù)設(shè)值初始化數(shù)組時(shí)很有用。

第二步：雕刻迷宮

現(xiàn)在讓我們定義一個(gè)函數(shù)，它將「雕刻」在迷宮中開闢路徑，迷宮現(xiàn)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(diǎn)與終點(diǎn)

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(fā)式的組合來(lái)找出加權(quán)迷宮中的最短路徑。

定義啟發(fā)式

我們使用歐幾里德距離作為我們的啟發(fā)式：

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

A*演算法實(shí)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(jīng)有了迷宮，但你還看不到無(wú)人機(jī)的路徑。
讓我們可視化無(wú)人機(jī)的路徑：

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

---

結(jié)論

恭喜！ ？您已經(jīng)建造了一個(gè)可用的無(wú)人機(jī)導(dǎo)航系統(tǒng)：

• 產(chǎn)生一個(gè) 2D 迷宮。
• 使用 A* 演算法解決它。
• 可視化最短路徑。

---

後續(xù)步驟

1. 嘗試不同的迷宮大小和重量。
2. 嘗試其他啟發(fā)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(qǐng)隨時(shí)分享您的結(jié)果或在下面的評(píng)論中提出問題。
到無(wú)限甚至更遠(yuǎn)？

以上是使用 matplotlib 和 A* 演算法建構(gòu)無(wú)人機(jī)導(dǎo)航系統(tǒng)的詳細(xì)內(nèi)容。更多資訊請(qǐng)關(guān)注PHP中文網(wǎng)其他相關(guān)文章！