人工智能-A* 算法与机器学习算法结合
以下将为你展示如何将 A* 算法与机器学习算法（这里以简单的神经网络为例）结合实现路径规划。我们会先使用 A* 算法生成一些路径规划数据，然后用这些数据训练一个简单的神经网络，让神经网络学习如何预测路径。最后，将训练好的神经网络应用到路径规划任务中，实现 A* 算法与机器学习算法的结合。
代码实现
import numpy as np
import heapq
import torch
import torch.nn as nn
import torch.optim as optim
from torch.utils.data import Dataset, DataLoader# 地图表示
map_grid = np.array([[0, 0, 0, 0, 0],[0, 1, 1, 0, 0],[0, 0, 0, 0, 0],[0, 0, 1, 1, 0],[0, 0, 0, 0, 0]
])# A* 算法实现
class Node:def __init__(self, x, y, g=float('inf'), h=float('inf'), parent=None):self.x = xself.y = yself.g = gself.h = hself.f = g + hself.parent = parentdef __lt__(self, other):return self.f < other.fdef heuristic(current, goal):return abs(current[0] - goal[0]) + abs(current[1] - goal[1])def astar(grid, start, goal):rows, cols = grid.shapeopen_list = []closed_set = set()start_node = Node(start[0], start[1], g=0, h=heuristic(start, goal))heapq.heappush(open_list, start_node)while open_list:current_node = heapq.heappop(open_list)if (current_node.x, current_node.y) == goal:path = []while current_node:path.append((current_node.x, current_node.y))current_node = current_node.parentreturn path[::-1]closed_set.add((current_node.x, current_node.y))neighbors = [(0, 1), (0, -1), (1, 0), (-1, 0)]for dx, dy in neighbors:new_x, new_y = current_node.x + dx, current_node.y + dyif 0 <= new_x < rows and 0 <= new_y < cols and grid[new_x][new_y] == 0 and (new_x, new_y) not in closed_set:new_g = current_node.g + 1new_h = heuristic((new_x, new_y), goal)new_node = Node(new_x, new_y, g=new_g, h=new_h, parent=current_node)found = Falsefor i, node in enumerate(open_list):if node.x == new_x and node.y == new_y:if new_g < node.g:open_list[i] = new_nodeheapq.heapify(open_list)found = Truebreakif not found:heapq.heappush(open_list, new_node)return None# 生成训练数据
def generate_training_data(grid, num_samples):rows, cols = grid.shapeinputs = []outputs = []for _ in range(num_samples):start = (np.random.randint(0, rows), np.random.randint(0, cols))goal = (np.random.randint(0, rows), np.random.randint(0, cols))path = astar(grid, start, goal)if path:input_data = np.zeros((rows, cols))input_data[start] = 1input_data[goal] = 2output_data = np.zeros((rows, cols))for point in path:output_data[point] = 1inputs.append(input_data.flatten())outputs.append(output_data.flatten())return np.array(inputs), np.array(outputs)# 自定义数据集类
class PathDataset(Dataset):def __init__(self, inputs, outputs):self.inputs = torch.tensor(inputs, dtype=torch.float32)self.outputs = torch.tensor(outputs, dtype=torch.float32)def __len__(self):return len(self.inputs)def __getitem__(self, idx):return self.inputs[idx], self.outputs[idx]# 定义简单的神经网络模型
class PathNet(nn.Module):def __init__(self, input_size, hidden_size, output_size):super(PathNet, self).__init__()self.fc1 = nn.Linear(input_size, hidden_size)self.relu = nn.ReLU()self.fc2 = nn.Linear(hidden_size, output_size)def forward(self, x):out = self.fc1(x)out = self.relu(out)out = self.fc2(out)return out# 训练神经网络
def train_model(model, dataloader, criterion, optimizer, epochs):for epoch in range(epochs):running_loss = 0.0for inputs, labels in dataloader:optimizer.zero_grad()outputs = model(inputs)loss = criterion(outputs, labels)loss.backward()optimizer.step()running_loss += loss.item()print(f'Epoch {epoch + 1}, Loss: {running_loss / len(dataloader)}')# 主程序
if __name__ == "__main__":# 生成训练数据num_samples = 1000inputs, outputs = generate_training_data(map_grid, num_samples)# 创建数据集和数据加载器dataset = PathDataset(inputs, outputs)dataloader = DataLoader(dataset, batch_size=32, shuffle=True)# 初始化神经网络input_size = map_grid.sizehidden_size = 128output_size = map_grid.sizemodel = PathNet(input_size, hidden_size, output_size)# 定义损失函数和优化器criterion = nn.MSELoss()optimizer = optim.Adam(model.parameters(), lr=0.001)# 训练模型epochs = 10train_model(model, dataloader, criterion, optimizer, epochs)# 使用训练好的模型进行路径规划start = (0, 0)goal = (4, 4)input_data = np.zeros((map_grid.shape))input_data[start] = 1input_data[goal] = 2input_tensor = torch.tensor(input_data.flatten(), dtype=torch.float32).unsqueeze(0)output = model(input_tensor)output_path = output.detach().numpy().reshape(map_grid.shape)path_points = np.argwhere(output_path > 0.5)print("神经网络预测的路径点:", path_points)
代码解释
1. A* 算法部分
Node类：用于表示地图中的节点，包含节点的坐标、g值、h值、f值和父节点。heuristic函数：使用曼哈顿距离作为启发式函数，估计从当前节点到目标节点的代价。astar函数：实现 A* 算法的核心逻辑，通过维护开放列表和关闭列表，寻找从起点到终点的最短路径。
2. 数据生成部分
generate_training_data函数：随机生成起点和终点，使用 A* 算法计算路径，将起点、终点信息作为输入，路径信息作为输出，生成训练数据。
3. 神经网络部分
PathDataset类：自定义数据集类，用于封装训练数据。PathNet类：定义一个简单的全连接神经网络，包含一个隐藏层。train_model函数：使用均方误差损失函数和 Adam 优化器训练神经网络。
4. 主程序部分
- 生成训练数据，创建数据集和数据加载器。
- 初始化神经网络，定义损失函数和优化器。
- 训练神经网络。
- 使用训练好的神经网络进行路径规划，将起点和终点信息输入网络，输出预测的路径。
注意事项
- 这里的神经网络是一个简单的示例，实际应用中可能需要更复杂的网络结构，如卷积神经网络（CNN），以更好地处理地图数据。
- 训练数据的质量和数量对神经网络的性能有很大影响，可以尝试增加样本数量或使用更复杂的地图来提高模型的泛化能力。
- 神经网络的预测结果可能不是最优路径，A* 算法可以保证找到最优路径，但神经网络可以在一定程度上提高路径规划的速度。
相关文章：
人工智能-A* 算法与机器学习算法结合
以下将为你展示如何将 A* 算法与机器学习算法（这里以简单的神经网络为例）结合实现路径规划。我们会先使用 A* 算法生成一些路径规划数据，然后用这些数据训练一个简单的神经网络，让神经网络学习如何预测路径。最后，将训…...
如何在Python中使用Requests库？
在Python中，网络请求处理是很多应用开发中的常见需求。Requests库作为Python中最常用的第三方库之一，它能够简化HTTP请求的发送和响应的处理。无论是获取网页内容、与API接口交互，还是提交表单数据，Requests都可以帮助开发者轻松实…...
通过命令行运行py文件与通过ide运行py文件，对文件中模块的引用方式的影响
通过命令行运行 Python 文件和通过 IDE 运行 Python 文件时，模块的引用方式 会受到一些影响，主要体现在 工作目录 和 模块导入路径（sys.path）的设置上。下面详细介绍这两种方式的区别和它们如何影响模块引用。 1. 通过命令行运行…...
如何避免大语言模型中涉及丢番图方程的问题
希尔伯特第十问题是一个著名的数学问题，涉及不定方程（又称为丢番图方程）的可解答性。然而在大模型中，我们希望问题都是确定的可解的，或者说要尽可能的想办法避免不确定的不可解问题。由于丢番图方程问题是不可判定问题（即不存在一个有效的算法能够解决该类问题的所有实例…...
重新刷题求职2-DAY7
1.454. 四数相加 II 给你四个整数数组 nums1、nums2、nums3 和 nums4 ，数组长度都是 n ，请你计算有多少个元组 (i, j, k, l) 能满足： 0 < i, j, k, l < nnums1[i] nums2[j] nums3[k] nums4[l] 0 示例 1： 输入&#…...
Day 32 卡玛笔记
这是基于代码随想录的每日打卡 455. 分发饼干 假设你是一位很棒的家长，想要给你的孩子们一些小饼干。但是，每个孩子最多只能给一块饼干。 对每个孩子 i，都有一个胃口值 g[i]，这是能让孩子们满足胃口的饼干的最小尺寸ÿ…...
android studio无痛入门
在Android Studio中创建和管理项目主要涉及以下几个步骤： 1. 创建新项目 打开Android Studio，点击“Start a new Android Studio project”或者“File” > “New” > “New Project”。 选择一个模板，例如“Empty Activity”࿰…...
flutter安卓打包签名
flutter安卓打包签名 1.创建签名文件 keytool -genkeypair -v -keystore my-release-key.jks -keyalg RSA -keysize 2048 -validity 10000 -alias my-key-aliaskeytool 是一个用于管理密钥和证书的命令行工具，通常与 Java 开发工具包 (JDK) 一起使用。my-release-…...
Windows编程：下载与安装 Visual Studio 2019
本节前言 在写作本节的时候，本来呢，我正在写的专栏，是 MFC 专栏。而 VS2010 和 VS2019，正是 MFC 学习与开发中，可以使用的两款软件。然而呢，如果你去学习 Windows API 知识的话，那么࿰…...
ElementUI的＜el-image＞组件引用网络图片加载失败
1. 验证图片 URL 是否有效 直接访问图片链接，确保 URL 正确且可公开访问 如果浏览器无法加载图片，可能是图片服务器限制了外链或已失效。 解决方法：更换为可用的图片 URL。 2. 检查浏览器开发者工具 打开浏览器开发者工具（F12…...
)
GitHub Pages + Jekyll 博客搭建指南(静态网站)
目录 🚀 静态网站及其生成工具指南🌍 什么是静态网站？📌 静态网站的优势⚖️ 静态网站 VS 动态网站 🚀 常见的静态网站生成器对比🛠️ 使用 GitHub Pages Jekyll 搭建个人博客📌 1. 创建 GitHu…...
idea项目列表不出现，展示loading
2025年02月08 11:23:36 星期六 发生在webstorm中，跟其他idea类似 原因是将 ignore 插件升级到 4.5.5 版本 https://github.com/JetBrains/idea-gitignore/pull/933 解决方案：将ignore版本将为 4.5.4 我是将 4.5.5 降低为 4.5.4 正常显示文件夹了。...
多智能体协作架构模式：驱动传统公司向AI智能公司转型
前言 在数字化浪潮的席卷下，传统公司的运营模式正面临着前所未有的挑战。随着市场竞争的日益激烈，客户需求的快速变化以及业务复杂度的不断攀升，传统公司在缺乏 AI 技术支撑的情况下，暴露出诸多痛点。在决策层面，由于…...
新增md、html压缩文档上传，开放接口访问密钥改为多个，zyplayer-doc 2.4.7 发布啦！
zyplayer-doc是一款适合企业和个人使用的WIKI知识库管理工具，支持在线编辑富文本、Markdown、表格、Office文档、API接口、思维导图、Drawio以及任意的文本文件，专为私有化部署而设计，最大程度上保证企业或个人的数据安全，支持以内…...
w~Transformer~合集5
我自己的原文哦~ https://blog.51cto.com/whaosoft/12406495 #transformer~x1 太可怕了都到6了 太强~~ DeepMind 表示，他们提出的算法蒸馏（AD）是首个通过对具有模仿损失的离线数据进行顺序建模以展示上下文强化学习的方法。同时基于观察…...
—Dubbo Consumer服务调用源码(1)服务调用入口)
Dubbo 3.x源码(29)—Dubbo Consumer服务调用源码(1)服务调用入口
基于Dubbo 3.1，详细介绍了Dubbo Consumer服务调用源码。 此前我们学习了Dubbo服务的导出和引入的源码，现在我们来学习Dubbo服务调用的源码。 此前的文章中我们讲过了最上层代理的调用逻辑(服务引用bean的获取以及懒加载原理)：业务引入的接口…...
Linux内核同步机制：确保系统稳定与高效
在复杂而庞大的 Linux 系统世界中，内核就如同一位有条不紊的指挥官，协调着各种任务和资源的分配。而其中，内核同步机制则是确保整个系统稳定与高效运行的关键要素。想象一下，众多的进程和线程在 Linux 内核的舞台上同时登场&#…...
firebase简介
Firebase 是一个由 Google 提供的移动应用开发平台，旨在帮助开发者快速构建和管理应用程序。它提供了一系列强大的工具和服务，特别适合用于开发和管理 Web 和移动应用。以下是 Firebase 的一些核心功能： 实时数据库：Firebase 提供…...
利用Termux在安卓手机中安装 PostgreSQL
利用Termux在安卓手机中安装 PostgreSQL ⬇️Termux下载 点击下载 在 Termux 中安装 PostgreSQL 可以按照以下步骤进行： 1. 更新 Termux 包管理器 先更新软件包列表和已安装的软件包： pkg update && pkg upgrade -y2. 安装 PostgreSQL 使…...
windows安装WSL完整指南
本文首先介绍WSL，然后一步一步安装WSL及Ubuntu系统，最后讲解如何在两个系统之间访问和共享文件信息。通过学习该完整指南，能帮助你快速安装WSL，解决安装和使用过程中的常见问题。 理解WSL（Windows Subsystem for Linux…...
Windows Docker笔记-安装docker
安装环境 操作系统：Windows 11 家庭中文版 docker版本：Docker Desktop version: 4.36.0 (175267) 注意： Docker Desktop 支持以下Windows操作系统： 支持的版本：Windows 10（家庭版、专业版、企业版、教育…...
ReactNative进阶（五十九）：存量 react-native 项目适配 HarmonyOS NEXT
文章目录 一、前言二、ohos_react_native2.1 Fabric2.2 TurboModule2.2.1 ArkTSTurboModule2.2.2 cxxTurboModule： 三、拓展阅读 一、前言 2024年10月22日19:00，华为在深圳举办“原生鸿蒙之夜暨华为全场景新品发布会”，主题为“星河璀璨&…...
[x86 ubuntu22.04]进入S4失败
目录 1 问题描述 2 解决过程 2.1 查看内核日志 2.2 新建一个交换分区 2.3 指定交换分区的位置 1 问题描述 CPU：G6900E OS：ubuntu22.04 Kernel：6.8.0-49-generic 使用“echo disk > /sys/power/state”命令进入 S4，但是无法…...
Java面试题-MySQL数据库
文章目录 1.事务1.事务的特性 ACID2.并发事务问题3.undo log 和redo log的区别？4.事务的隔离性是如何保证的呢？解释一下MVCC？ 2.索引1.如何定位慢查询？2.explain3.了解过索引吗？索引的底层数据结构B树和B树对比4.什么是…...
为什么Vue的data属性是函数而不是对象
Vue中data属性设计为函数而非对象的原因是解决组件复用时的数据隔离问题。确保每个实例维护独立的数据副本，避免数据共享导致的状态污染。 而根实例因为只会被创建一次(不会被复用)，所以可以直接用对象，不会有这个问题。 组件一般都会被多个实…...
网络工程师 （26）TCP/IP体系结构
一、层次 四层： 网络接口层：TCP/IP协议的最底层，负责网络层与硬件设备间的联系。该层协议非常多，包括逻辑链路和媒体访问控制，负责与物理传输的连接媒介打交道，主要功能是接收数据报，并把接收到…...
MySQL部署基于二进制日志文件位置的主从复制集群
MySQL主从复制介绍 MySQL 主从复制（Master-Slave Replication） 作为一种经典的数据库复制方案，被广泛应用于企业生产环境，尤其是在提升数据库性能、实现数据备份和分布式扩展方面具有重要作用。 官方文档：https://de…...
【系统设计】Spring、SpringMVC 与 Spring Boot 技术选型指南：人群、场景与实战建议
在 Java 开发领域，Spring 生态的技术选型直接影响项目的开发效率、维护成本和长期扩展性。然而，面对 Spring、SpringMVC 和 Spring Boot 这三个紧密关联的框架，开发者常常陷入纠结：该从何入手？如何根据团队能力和业务需…...
【CAPL实战】LIN调度表操作
文章目录 前言1、linChangeSchedTable切换调度表2、linStartScheduler开启调度表3、linStopScheduler停止调度表 前言 在LIN调度表Schedule Table文章中，详细介绍了LIN调度表的信息，那么如何在CAPL脚本测试中进行LIN调度表的操作呢？ 1、linC…...
「vue3-element-admin」告别 vite-plugin-svg-icons！用 @unocss/preset-icons 加载本地 SVG 图标
🚀 作者主页： 有来技术 🔥 开源项目： youlai-mall ︱vue3-element-admin︱youlai-boot︱vue-uniapp-template 🌺 仓库主页： GitCode︱ Gitee ︱ Github 💖 欢迎点赞 👍 收藏 ⭐评论 …...
[图文]课程讲解片段-Fowler分析模式的剖析和实现01
解说： GJJ-004-1，分析模式高阶Fowler分析模式的剖析和实现，这个课是针对Martin Fowler的《分析模式》那本书里面的模式来讲解，对里面的模式来剖析，然后用代码来实现。 做到这一步的，我们这个是世界上独…...
element-plus el-tree-select 修改 value 字段
element-plus el-tree-select 修改 value 字段 ，不显示label 需要注意两个地方： <el-tree-select v-model"value" :data"data" multiple :render-after-expand"false" show-checkbox style"width: 240px" …...
软件测评实验室CNAS认证能力验证什么时机做？如何查询能力验证相关信息？
能力验证是软件测评实验室申请CNAS认证前必须要做的一类质量活动。CNAS软件测评实验室初次认可和扩大认可范围时，申请认可的每个子领域应至少参加过一次相关领域的能力验证且获得满意结果。通过认定认可后，只要存在可获得的能力验证，不同类目…...
Spring Boot 3.4 中 MockMvcTester 的新特性解析
引言 在 Spring Boot 3.4 版本中，引入了一个全新的 MockMvcTester 类，使 MockMvc 测试可以直接支持 AssertJ 断言。本文将深入探讨这一新特性，分析它如何优化 MockMvc 测试并提升测试的可读性。 Spring MVC 示例 为了演示 MockMvcTester 的…...
网安加·百家讲坛 | 刘志诚：以业务为中心的网络安全挑战与机遇
作者简介：刘志诚，乐信集团信息安全中心总监、OWASP广东区域负责人、网安加社区特聘专家。专注于企业数字化过程中网络空间安全风险治理，对大数据、人工智能、区块链等新技术在金融风险治理领域的应用，以及新技术带来的技术风险治理…...
配置 VS Code 调试 ROS Python 脚本：完整步骤
在 Ubuntu 系统上使用 ROS 和 VS Code 进行 Python 开发时，可能会遇到一些环境配置的问题，特别是当需要加载 ROS 环境变量以及确保正确使用 Python 3 环境时。以下是如何配置 launch.json 和 tasks.json 来确保 VS Code 调试环境能够正确加载 ROS 和 Pyt…...
HTTP4种方法（GET、POST、 PUT和DELETE）
一、GET 和 POST 1. GET方法 特点： 用途：用于从服务器获取数据。 参数传递方式：参数会附加在URL后面，以 keyvalue的形式，通过查询字符串传递，例如： http://example.com/page?nameJohn&…...
AnythingLLM开发者接口API测试
《Win10OllamaAnythingLLMDeepSeek构建本地多人访问知识库》见上一篇文章，本文在上篇基础上进行。 1.生成本地API 密钥 2.打开API测试页面（http://localhost:3001/api/docs/） 就可以在页面测试API了 2.测试获取用户接口(/v1/admin/users) 3…...
CSS定位简介
目录 一、静态定位（Static Positioning） 二、相对定位（Relative Positioning） 三、绝对定位（Absolute Positioning） 四、固定定位（Fixed Positioning） 五、黏性定位（…...
CentOS服务器部署Docker+Jenkins持续集成环境
一、准备工作 一台运行 CentOS 的服务器，确保有足够的磁盘空间、内存资源，并且网络连接稳定。建议使用 CentOS 7 或更高版本，本文以 CentOS 7 为例进行讲解。 拥有服务器的 root 权限，因为后续安装软件包、配置环境等操作需要较…...
React受控组件的核心原理与实战精要
在 React 中，受控组件（Controlled Component） 是一种重要的模式，用于通过组件的状态来管理表单元素的值。这种模式不仅确保了数据的一致性和可预测性，还便于与其他功能（如验证和格式化）集成。本…...
基于python多线程多进程爬虫的maa作业站技能使用分析
基于python多线程多进程爬虫的maa作业站技能使用分析 技能使用分析 多线程（8核） import json import multiprocessing import requests from multiprocessing.dummy import Pooldef maa(st):url "https://prts.maa.plus/copilot/get/"m …...
Android studio怎么创建assets目录
在Android Studio中创建assets文件夹是一个简单的步骤，通常用于存储不需要编译的资源文件，如文本文件、图片、音频等 main文件夹，邮件new->folder-assets folder...
解锁 DeepSeek 模型高效部署密码：蓝耘平台全解析
💖亲爱的朋友们，热烈欢迎来到 青云交的博客！能与诸位在此相逢，我倍感荣幸。在这飞速更迭的时代，我们都渴望一方心灵净土，而 我的博客 正是这样温暖的所在。这里为你呈上趣味与实用兼具的知识，也…...
【Spring相关知识】Spring应用如何优雅使用消息队列
文章目录 概述**核心概念****使用场景****快速入门**1. 添加依赖2. 配置 Binder3. 定义消息通道4. 发送和接收消息5. 运行应用 **高级特性****优点****适用场景** 概述 Spring Cloud Stream 是一个用于构建消息驱动微服务的框架，它基于 Spring Boot 和 Spring Inte…...
2025牛客寒假算法基础集训营4（补题）
C Tokitsukaze and Balance String (hard) 一道规律题。赛时以为是难的算法题，就没去碰了，实际上把几种情况列出来后可能就会发现，只有首尾相同的字符串才是平衡的。 首先我们容易发现，连续的1或者0是多余的，因为他们…...
.net一些知识点5
1.dot Net带out的参数如何使用 string name;//假设这个参数带out TestMethod(1,out name);//一定要有out 方法体中，一定要有out参数的赋值，并且能输出 2.参数的传递方式有哪些 a.值传递 b.引用传递 ref c.输出传递 out 3.设计模式知道哪些 3.us…...
基于Servlet简易学生信息管理系统
本次设计的学生信息管理系统，能提供以下功能： （1） 输入入学生信息并保存 （2） 显示所有学生信息 （3） 查询学生信息 （4） 修改学生信息并保存 （…...
IDEA编写SpringBoot项目时使用Lombok报错“找不到符号”的原因和解决
目录 概述|背景 报错解析 解决方法 IDEA配置解决 Pom配置插件解决 概述|背景 报错发生背景：在SpringBoot项目中引入Lombok依赖并使用后出现"找不到符号"的问题。 本文讨论在上述背景下发生的报错原因和解决办法，如果仅为了解决BUG不论原…...
JVM图文入门
往期推荐 【已解决】redisCache注解失效，没写cacheConfig_com.howbuy.cachemanagement.client.redisclient#incr-CSDN博客 【已解决】OSS配置问题_keyuewenhua.oss-cn-beijing.aliyuncs-CSDN博客 【排坑】云服务器docker部署前后端分离项目域名解析OSS-CSDN博客 微服…...