全覆盖路径规划算法（CCPP）
1.基本概念缅怀先烈作文
搞笑说说大全CCPP: Complete Coverage Path Planning
CCPP需解决的关键问题：
遍历⼯作区域内除障碍物以外的全部区域
在遍历过程中有效避开所有障碍物
在遍历过程中要尽量避免路径重复，缩短移动距离
CCPP技术指标：
区域覆盖率
路径重复率
总⾏程
死区：是指它的周边相邻区域，或者是边界，或者是障碍物，或者是已覆盖过的区域冰草菜
全覆盖路径规划问题本质：在栅格地图中，全覆盖路径规划问题就演变为寻找机器⼈的下⼀个移动位置，只有准确找出了该位置，才能使机器⼈⾃主规划出⼀条切实可⾏的⽆碰撞且重复率低的移动路径。
路径规划分类（根据机器⼈的运动⽬标）：
点到点的路径规划
完全遍历路径规划
路径规划⽅法分类（根据实现⽅法）：
传统经典算法
基于图的⽅法
基于栅格的⽅法
势场法
数学编程法
智能⽅法
横糊⽅法
神经⽹络⽅法
遗传算法
路径搜索
路径表达：以环境模型中的结点序列组成或由直线段序列组成
路径平滑：根据机器⼈运动学或动⼒学约束，形成机器⼈可跟踪执⾏的运动轨迹
运动学约束：路径轨迹的⼀阶导数应连续
动⼒学约束：路径轨迹的⼆阶导数应连续
1.1 基于栅格的⽅法
浙江土特产
将区域划分成栅格，搜索连通栅格表⽰路径。优点：易于建模、存储、处理、更新与分析
Dijkstra算法：通过枚举求解两点间距离最短
Ａ*算法：通代价评估加快搜索
1.2 基于遗传算法的路径规划
遗传算法：是计算数学中⽤于解决最优化的搜索算法，是进化算法的⼀种
遗传算法通常实现为⼀种计算机模拟。
对于⼀个最优化问题，⼀定数量的候选解（称为个体）的抽像表⽰（称为染⾊体）的种群向更好的解进化。传纺上，解⽤⼆进制表法(即0和1的串)，但也可以⽤其他表⽰⽅法。进化从完全随机个体的种群开始，之后⼀代⼀代发⽣。在每⼀代中，整个种群的适应度被评价，从当前种群中随机地选择多个个体（基于他们的适应度），通过⾃然选择和突变产⽣新的⽣命种群，此种群在算法的下⼀次迭代中成为当前种群。期货黄金
史记翻译
衍⽣算法： 退⽕遗传算法、改进遗传算法等
1.2 CCPP⽅法分类
学习普通话的感受
1.2.1 ⾏为覆盖法：随机碰撞法
原理：机器⼈根据简单的移动⾏为，尝试性地覆盖⼯作区域，如果遇到障碍物，则执⾏对应的转向命令
缺点：⾏为全覆盖算法⼯作效率低，路径规划策略过于简单,⾯对复杂地形机器⼈经常⽆法逃离死区
1.2.2 区域分割法
原理：为了使机器⼈能够逃离死区，同时减少算法的计算量,Jin 等 提出⼀种基于时空信息的全局导航与局部导航组合的算法。
优点：
该算法⼀⽅⾯能够通过局部计算代替不必要的全局计算，减少了实时决策时局部最优导航的计算量;
另⼀⽅⾯通过分层的⽅式使机器⼈能够逃离死区。
缺点：
局部与全局的转换过程中，当周围没有未覆盖的区域时，机器⼈需要扩⼤邻近区域的⾯积来寻找未覆
盖区域，这将导致覆盖效率的降低，尤其是当未覆盖区域距离机器⼈较远时
1.2.3 神经⽹络法
原理：利⽤神经⽹络的⾃学习、并⾏性等特性，增强机器⼈的“智能”，提⾼覆盖效率。受神经⽹络结构与栅格地图单元类似的启发，加拿⼤学者 S. X.Yang等提出⼀种基于⽣物启发神经⽹络的移动机器⼈全覆盖路径规划算法，将需要全覆盖的⼆维栅格地图单元与⽣物启发神经⽹络的神经元⼀⼀对应起来，机器⼈实现全覆盖的实时路径规划是由神经元的活性值和机器⼈的上⼀位置产⽣的。该算法完全根据栅格地图单元的性质 (未搜索单元、已搜索单元还是障碍物)，决定神经元的输⼊，直接计算神经元的活性值，不存在神经⽹络学习过程优点：算法实时性好，同时可以⾃动避障与逃离死区。
缺点：但是基于⽣物启发神经⽹络的全覆盖算法计算量⼤，同时此种⽅法中神经⽹络模型的衰减率等参数没有最优值，在实现算法时只能通过反复实验确定，参数的设定存在⼈为不确定因素，从⽽影响其在线应⽤
⼯
温州气象局参考：
