Thời gian thực năng động tìm đường?

Tôi hiện đang thực hiện một số nghiên cứu tìm đường và mô phỏng của tôi như sau: Tôi có một cảnh 3d với điểm bắt đầu và điểm kết thúc, tôi có khả năng tạo các mắt lưới điều hướng, điểm tham chiếu và đa giác để hỗ trợ tìm đường.

Tôi đã thử thuật toán A * và một số biến thể của nó và chúng hoạt động hoàn hảo. Tuy nhiên, bây giờ tôi quan tâm nhiều hơn đến việc tìm đường 'năng động'. Ví dụ, trong khi tìm đường dẫn từ điểm A đến điểm B, nếu một chướng ngại vật mới đột nhiên xuất hiện, tôi muốn thuật toán của mình ngay lập tức có thể lập kế hoạch lại một đường dẫn và không bắt đầu tìm kiếm lại từ đầu.

Tôi đã thực hiện một số cách đọc về thuật toán D * và tự hỏi liệu điều này có phù hợp với những gì tôi cần hay điều này có vẻ như là quá mức cần thiết.

Vì vậy, câu hỏi của tôi về cơ bản là: Thuật toán nào sẽ là tốt nhất cho Tìm đường động động thời gian thực? HOẶC sự kết hợp của các kỹ thuật tôi có thể sử dụng thay thế?

D * khá liên quan - Tôi không khuyên bạn nên thử thực hiện nó. Ngay cả khi các dự án được tài trợ tốt và được phát triển bởi những người thông minh / có kinh nghiệm, D * lite vẫn được sử dụng, bởi vì D * là một nỗi đau để có được quyền.

Bạn có thể quan tâm đến phần trình bày này, bao gồm thảo luận về tìm đường của Left 4 Dead:

http://www.valvesoftware.com/publications/2009/ai_systems_of_l4d_mike_booth.pdf

Một cách tiếp cận là sử dụng tìm kiếm cấp độ A * thô để có đường dẫn chung cho một tác nhân, và sau đó thực hiện tìm kiếm mức độ chi tiết tốt A * cho môi trường địa phương của một đại lý. Bằng cách này, bạn có thể nhanh chóng tính toán lại chi tiết khóa học A * nếu địa hình thay đổi, sau đó nhanh chóng tính toán lại chi tiết tốt A * tìm kiếm một đoạn nhỏ của môi trường. Điều này là không hoàn hảo. Nó hoạt động miễn là các chướng ngại vật của bạn không thể chặn nhiều nút biểu đồ chi tiết khóa học, điều này tốt cho hầu hết các trò chơi. Đây là phương pháp tôi khuyên dùng nếu bạn có ít hơn 100 đại lý.

Nếu bạn muốn hỗ trợ hàng trăm, hoặc hàng ngàn đại lý, thì bạn có thể thực hiện một cái gì đó như đám đông liên tục. Xem nghiên cứu này: http://grail.cs.washington.edu/projects/crowd-flows/ Điều đó thảo luận về một phương pháp hoàn toàn dựa trên CPU có thể hỗ trợ hàng ngàn diễn viên trong môi trường động.

Nếu bạn muốn hỗ trợ hàng chục nghìn hoặc hàng trăm nghìn đại lý, thì bạn có thể thực hiện một số thứ như đám đông liên tục, với sự hỗ trợ GPU. Xem tại đây để biết nghiên cứu có liên quan: https://a248.e.akamai.net/f/674/9206/0/www2.ati.com/misc/siggraph_asia_08/GPUCrowdSimulation_SLIDES.pdf

Dưới đây là video chứng minh đám đông liên tục hoạt động: http://www.youtube.com/watch?v=lGOvYyJ6r1c (Chuyển đến 4:10 để xem các chướng ngại vật lớn như xe hơi và đèn chiếu sáng ảnh hưởng đến hàng trăm người đi bộ quanh thành phố.)

Bạn đã xem xét các hành vi lái đơn giản?

http://www.red3d.com/cwr/steer/

Bạn có thể sử dụng chúng để xoay vòng từ con đường A * của mình để tránh chướng ngại vật cục bộ, và sau đó lái xe trở lại con đường của bạn sau khi bạn hoàn thành.

Nó cũng khá dễ dàng để kết hợp nhiều hành vi.

Vì bài đăng của bạn nằm trong phần "Phát triển trò chơi" trong trao đổi ngăn xếp, đây là điều mà hầu hết các lập trình viên trò chơi sẽ trả lời cho bạn: Không phải là về Tìm kiếm động theo thời gian thực, mà là về Đường dẫn động thời gian thực * sau *!

Một số trường hợp cạnh mà cạnh trên biểu đồ điều hướng của bạn hoàn toàn bị cản trở sẽ yêu cầu đường dẫn tính toán lại một đường khác, nhưng hầu hết thời gian bạn có thể chỉ cần điều khiển các thực thể của mình xung quanh chướng ngại vật, dự đoán vị trí và tránh đi đúng hướng. Đối với hầu hết các trò chơi, sẽ rất nặng nề khi phải dự đoán theo thời gian vị trí của các tác nhân động, đặc biệt là khi bạn không thể dự đoán chính xác hành động của người chơi hoặc quyết định đại lý.

Vì vậy, lời khuyên của tôi sẽ là bắt đầu bằng cách triển khai các Hành vi chỉ đạo (http://red3d.com/cwr/steer/), xử lý các trường hợp đường dẫn trở nên không thể và sau đó thêm một lớp trên đầu trang để xử lý các trường hợp cạnh phát sinh ' t xử lý bởi hai giải pháp trước.

Hi vọng điêu nay co ich