幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

智能網聯汽車決策規劃技術演算法原理與實踐/智能網聯汽車技術創新與應用系列

  • 作者：編者:林暉晶|責編:于先軍//許璐
  • 出版社：中國鐵道
  • ISBN：9787113319113
  • 出版日期：2025/08/01
  • 裝幀：平裝
  • 頁數：290
人民幣：RMB 69.8 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書以智能網聯汽車決策規劃演算法的核心原理為基礎，結合實際應用場景，深入淺出地講解了路徑規劃與決策演算法的基本思想與優化策略。全書共10章，分別講解了Dijkstra演算法、A*演算法（A-star Algorithm）、Bellman-Ford演算法、Floyd-Warshall演算法、Floyd演算法、D*演算法、D* Lite演算法、基於A*演算法變種的動態規劃演算法、RRT演算法、優先順序遍歷演算法。
    本書適合作為高等院校電腦科學與技術、智能車輛工程及其相關專業的教材，也可作為軟體工程師與演算法工程師、自動駕駛系統工程師、遊戲開發者、物流行業從業者、機器人研究者與開發者的參考書。
作者介紹
編者:林暉晶|責編:于先軍//許璐
目錄
第1章  Dijkstra演算法
  1.1  Dijkstra演算法簡介
    1.1.1  背景與歷史
    1.1.2  應用領域與典型場景
  1.2  Dijkstra演算法的核心思想
    1.2.1  Dijkstra演算法的實現步驟
    1.2.2  Dijkstra演算法圖的表示方法
  1.3  Dijkstra演算法的應用案例
    1.3.1  交通網路中的最短路徑規劃
    1.3.2  在機器人導航系統中的應用
  1.4  Dijkstra演算法的局限性與改進
    1.4.1  負權邊問題
    1.4.2  大規模圖的計算效率
  1.5  綜合實戰——遊戲地圖中的最短路徑規劃
    1.5.1  項目介紹
    1.5.2  構建Graph
    1.5.3  具體實現
  習題
第2章  A*演算法
  2.1  A*演算法簡介
    2.1.1  背景與歷史
    2.1.2  應用領域與典型場景
  2.2  A*演算法的核心思想
    2.2.1  A*演算法的原理和實現步驟
    2.2.2  選擇啟髮式函數（估算函數）
  2.3  A*演算法的優化
    2.3.1  基本的優化措施
    2.3.2  Hybrid A*演算法優化
  2.4  A*演算法的應用案例
    2.4.1  遊戲開發中的路徑規劃
    2.4.2  在機器人導航系統中的應用
  習題
第3章  Bellman-Ford演算法
  3.1  Bellman-Ford演算法介紹
    3.1.1  背景與歷史
    3.1.2  應用領域與典型場景
    3.1.3  Bellman-Ford演算法與其他路徑規劃演算法的對比
    3.1.4  圖的表示方法
  3.2  Bellman-Ford演算法的應用案例
    3.2.1  解決負權邊的最短路徑問題
    3.2.2  在網路流量優化中的應用
    3.2.3  在自動駕駛路徑規劃中的應用
  3.3  Bellman-Ford演算法的局限性與改進
    3.3.1  負權迴路的處理
    3.3.2  大規模圖的計算效率
  3.4  綜合實戰——路線導航
    3.4.1  項目背景
    3.4.2  問題介紹
    3.4.3  具體實現
    3.4.4  調試運行

  3.5  綜合實戰——基於Flask Web的路徑規劃可視化
    3.5.1  項目介紹
    3.5.2  路徑規劃（1）
    3.5.3  路徑規劃（2）
    3.5.4  模板文件
    3.5.5  腳本文件
  習題
第4章  Floyd-Warshall演算法
  4.1  Floyd-Warshall演算法簡介
    4.1.1  背景與歷史
    4.1.2  應用領域與典型場景
  4.2  Floyd-Warshall演算法的核心思想
    4.2.1  圖的表示方法
    4.2.2  Floyd-Warshall演算法的推導過程
    4.2.3  Floyd-Warshall演算法與其他路徑規劃演算法的對比
  4.3  Floyd-Warshall演算法的應用案例
    4.3.1  航空線路規劃
    4.3.2  城市交通規劃應用
  4.4  Floyd-Warshall演算法的局限性與改進
    4.4.1  演算法複雜度與大規模圖的挑戰
    4.4.2  負權迴路的處理策略
  4.5  綜合實戰——無人駕駛領域的路徑規劃系統（計程車/運輸車）
    4.5.1  背景介紹
    4.5.2  鍵值對映射模板
    4.5.3  城市編號
    4.5.4  紅黑樹數據結構和迭代器
    4.5.5  棧數據結構
    4.5.6  迭代器介面
    4.5.7  圖結構
    4.5.8  車費信息
    4.5.9  路徑規劃
    4.5.10  收費信息
    4.5.11  入口函數
  習題
第5章  Floyd演算法
  5.1  Floyd演算法簡介
    5.1.1  背景與歷史
    5.1.2  Floyd演算法和Floyd-Warshall演算法的關係
    5.1.3  Floyd演算法和Floyd-Warshall演算法的區別
    5.1.4  應用領域與典型場景
  5.2  Floyd演算法的核心思想
    5.2.1  Floyd演算法的原理和實現步驟
    5.2.2  Floyd演算法的計算過程
  5.3  Floyd演算法的改進
    5.3.1  通過空間優化來減少內存消耗
    5.3.2  並行化優化
  5.4  綜合實戰——校內機器人配送系統
    5.4.1  項目介紹
    5.4.2  具體實現
  習題

第6章  D*演算法
  6.1  動態路徑規劃演算法簡介
    6.1.1  靜態路徑規劃演算法和動態路徑規劃演算法
    6.1.2  動態路徑規劃演算法的背景
    6.1.3  應用領域與場景
    6.1.4  常用的動態路徑規劃演算法
  6.2  D*演算法介紹
    6.2.1  背景與歷史
    6.2.2  D*演算法的原理和實現步驟
    6.2.3  D*演算法總體流程及與A*演算法的對比
    6.2.4  D*演算法的常用概念及函數
  6.3  D*演算法的應用案例
    6.3.1  幫助探險家尋找最短路徑
    6.3.2  迷宮中的D*演算法探索與動態障礙物處理
    6.3.3  探索機器人的新家
  6.4  綜合實戰——基於D*演算法的動態路徑規劃可視化系統
    6.4.1  項目介紹
    6.4.2  D*演算法功能的聲明
    6.4.3  D*演算法功能的實現
    6.4.4  主程序
  習題
第7章  D*Lite演算法
  7.1  D*Lite演算法簡介
    7.1.1  背景與歷史
    7.1.2  應用領域與場景
  7.2  D*Lite演算法的核心思想
    7.2.1  基本思想
    7.2.2  D*Lite演算法的實現步驟
  7.3  綜合實戰——可視化的D*Lite路徑規劃系統
    7.3.1  項目介紹
    7.3.2  運算符重載
    7.3.3  優先隊列
    7.3.4  實現D*Lite路徑規劃演算法
    7.3.5  繪製地圖
    7.3.6  主程序
    7.3.7  編譯運行
  7.4  綜合實戰——智能路徑導航系統
    7.4.1  項目介紹
    7.4.2  環境的建模和初始化
    7.4.3  實現D*Lite路徑規劃演算法
    7.4.4  可視化界面
    7.4.5  主程序
    7.4.6  調試運行
  習題
第8章  基於A*演算法變種的動態規劃演算法
  8.1  A*演算法的變種
  8.2  Incremental A*演算法
    8.2.1  Incremental A*演算法介紹
    8.2.2  Incremental A*演算法的實現步驟
  8.3  Dynamic A*演算法

    8.3.1  Dynamic A*演算法介紹
    8.3.2  應用領域與場景
    8.3.3  Dynamic A*演算法的實現步驟
    8.3.4  Dynamic A*演算法和D*演算法的區別
  習題
第9章  RRT演算法
  9.1  RRT演算法介紹
    9.1.1  機器人運動規劃介紹
    9.1.2  改進的RRT演算法
    9.1.3  與RRT演算法相關的概念
  9.2  RRT演算法的定義與實現
    9.2.1  RRT演算法的實現步驟
    9.2.2  原始的RRT演算法
    9.2.3  基於概率P的RRT演算法
    9.2.4  RRT_Connect演算法
    9.2.5  RRT*演算法
  9.3  綜合實戰——機器人路徑規劃和軌跡優化系統
    9.3.1  項目介紹
    9.3.2  實現RRT*演算法
    9.3.3  生成加速度軌跡
    9.3.4  主程序
    9.3.5  MATLAB可視化
  9.4  綜合實戰——基於pygame的RRT*路徑規劃系統
    9.4.1  項目介紹
    9.4.2  通用文件
    9.4.3  事件處理
    9.4.4  點處理
    9.4.5  碰撞檢測
    9.4.6  繪圖操作
    9.4.7  RRT演算法
    9.4.8  主程序
  習題
第10章  優先順序遍歷演算法
  10.1  優先順序遍歷演算法簡介
    10.1.1  背景與歷史
    10.1.2  路徑規劃應用中的優先順序遍歷演算法
  10.2  最佳優先搜索演算法
    10.2.1  最佳優先搜索演算法的基本思想
    10.2.2  最佳優先搜索演算法的實現步驟
    10.2.3  應用案例——尋找兩個城市之間的最短路徑
  10.3  均勻代價搜索演算法
    10.3.1  均勻代價搜索演算法的基本思想
    10.3.2  均勻代價搜索演算法的應用案例
  10.4  深度優先搜索演算法
    10.4.1  深度優先搜索演算法介紹
    10.4.2  應用案例——尋找貓咪的最短路徑
  10.5  廣度優先搜索演算法
    10.5.1  廣度優先搜索演算法介紹
    10.5.2  廣度優先搜索演算法的應用案例
  習題

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032