Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "algorytm A-star" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-3 z 3
    Tytuł:
    Analiza i implementacja algorytmów odnajdywania ścieżki do zastosowania w grach przeglądarkowych
    Analysis and implementation of pathfinding algorithms for use in browser games
    Autorzy:
    Laszkiewicz, Beata
    Sobczak, Tomasz
    Powiązania:
    https://bibliotekanauki.pl/articles/2146697.pdf
    Data publikacji:
    2022
    Wydawca:
    Wrocławska Wyższa Szkoła Informatyki Stosowanej Horyzont
    Tematy:
    gra przeglądarkowa
    graf
    algorytm Bellmana-Forda
    algorytm Dijkstry
    algorytm A-star
    browser game
    graph
    Bellman-Ford algorithm
    Dijkstra algorithm
    A-star algorithm
    Opis:
    Celem tego artykułu jest przedstawienie, porównanie oraz implementacja algorytmów odnajdywania ścieżki do zastosowania w grach przeglądarkowych z wykorzystaniem ogólnodostępnych, darmowych technologii internetowych. Pokazano również możliwość wykorzystania najlepszego algorytmu w grze przeglądarkowej
    The goal of this article is to present, compare and implement path finding algorithms for use in browser games, using public, free internet technologies. The possibility of using the best algorithm in a browser game is also shown.
    Źródło:
    Biuletyn Naukowy Wrocławskiej Wyższej Szkoły Informatyki Stosowanej. Informatyka; 2022, 9, 1; 16--24
    2082-9892
    Pojawia się w:
    Biuletyn Naukowy Wrocławskiej Wyższej Szkoły Informatyki Stosowanej. Informatyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wyznaczanie trasy w planerach podróży z zastosowaniem funkcji heurystycznych
    Routing in trip planer using heuristics
    Autorzy:
    Celiński, I.
    Staniek, M.
    Sierpiński, G.
    Powiązania:
    https://bibliotekanauki.pl/articles/253167.pdf
    Data publikacji:
    2015
    Wydawca:
    Instytut Naukowo-Wydawniczy TTS
    Tematy:
    algorytm A*
    algorytm A STAR
    funkcja heurystyczna
    planer podróży
    zrównoważony rozwój transportu
    Open Street Map
    A* algorythm
    STAR algorythm
    heuristic function
    trip planner
    sustainable transport
    Opis:
    W artykule zaproponowano uzupełnienie algorytmu A* o inne heurystyki aniżeli powszechne stosowane w tym celu odległości Manhattan czy Euklidesowe. W przedstawionej metodzie, jako źródło danych dla wartości funkcji heurystycznych zastosowano macierz wskaźników charakteryzujących sieć drogową. Taki wskaźnik nadawany jest każdemu rejonowi przestrzennemu (reżimowi) powstałemu na skutek jej celowej delimitacji. Ściślej, dla każdego rejonu można zdefiniować zbiór wskaźników: multimodalnych, bezpieczeństwa, ekologicznych i innych. Każdy ze wskaźników podkreśla inny sposób korzystania z sieci transportowej w danym rejonie przez jej użytkownika. Zbudowana w ten sposób heurystyka ma dwie podstawowe funkcjonalności. Dla rejonów przestrzennych o dużych wymiarach (powierzchni) przyspiesza czas wykonywania obliczeń algorytmu A*. Dla rejonów o małych wymiarach obszarowych profiluje trasę zgodnie z wolą użytkownika w sposób inny niż heurystyki oparte na prostych miarach przestrzennych.
    The article proposes an algorithm A* supplement to other heuristics than normally used for this purpose (Manhattan and Euclidean dist.). In the presented method, as the data source for the heuristics used ma-trix of indicators characterizing the road network. This indicator is assigned to each space regime due to its deliberate delimitation. Specifically, for each regime you can define a set of indicators: multimodal, safety, environmental friendly etc. Each of the indicators stresses otherwise use the transport network by the user. Constructed in this way heuristics has two basic func. For large areas of spatial regime accelerates compute time algorithm. For small areas of spatial profiles the route according to the user's expectations transport network in a manner other than heuristics based on measures of spatial.
    Źródło:
    TTS Technika Transportu Szynowego; 2015, 12; 246-251, CD
    1232-3829
    2543-5728
    Pojawia się w:
    TTS Technika Transportu Szynowego
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Method for location of an external dump in surface mining using the A-star algorithm
    Metoda lokalizacji zwałowiska zewnętrznego w górnictwie odkrywkowym z wykorzystaniem algorytmu A-star
    Autorzy:
    Zajączkowski, M.
    Kasztelewicz, Z.
    Sikora, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/219312.pdf
    Data publikacji:
    2014
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    górnictwo odkrywkowe
    zwałowisko zewnętrzne
    wkop udostępniający
    teoria grafów
    algorytm A-star
    surface mining
    dump
    excavation site
    graph theory
    A-star algorithm
    Opis:
    The construction of a surface mine always involves the necessity of accessing deposits through the removal of the residual overburden above. In the beginning phase of exploitation, the masses of overburden are located outside the perimeters of the excavation site, on the external dump, until the moment of internal dumping. In the case of lignite surface mines, these dumps can cover a ground surface of several dozen to a few thousand hectares. This results from a high concentration of lignite extraction, counted in millions of Mg per year, and the relatively large depth of its residual deposits. Determining the best place for the location of an external dump requires a detailed analysis of existing options, followed by a choice of the most favorable one. This article, using the case study of an open-cast lignite mine, presents the selection method for an external dump location based on graph theory and the A-star algorithm. This algorithm, based on the spatial distribution of individual intersections on the graph, seeks specified graph states, continually expanding them with additional elementary fields until the required surface area for the external dump - defined by the lowest value of the occupied site - is achieved. To do this, it is necessary to accurately identify the factors affecting the choice of dump location. On such a basis, it is then possible to specify the target function, which reflects the individual costs of dump construction on a given site. This is discussed further in chapter 3. The area of potential dump location has been divided into elementary fields, each represented by a corresponding geometrical locus. Ascribed to this locus, in addition to its geodesic coordinates, are the appropriate attributes reflecting the degree of development of its elementary field. These tasks can be carried out automatically thanks to the integration of the method with the system of geospatial data management for the given area. The collection of loci, together with geodesic coordinates, constitutes the points on the graph used during exploration. This is done using the A-star algorithm, which uses a heuristic function, allowing it to identify the optimal solution; therefore, the collection of elementary fields, which occupy the potential construction area of a dump, characterized by the lowest value representing the cost of occupation and dumping of overburden in the area. The precision of the boundary, generated by the algorithm, is dependent on the established size of the elementary field, and should be refined each time by the designer of the surface mine. This article presents the application of the above method of dump location using the example of “Tomisławice,” a lignite surface mine owned by PAK KWB Konin S. A. The method made it possible to identify the most favorable dump location on the northeast side of the initial pit, within 2 kilometers of its surrounding area (discussed further in chapter 3). This method is universal in nature and, after certain modifications, can be implemented for other surface mines as well.
    Budowa kopalni odkrywkowej wiąże się zawsze z koniecznością udostępnienia złoża poprzez zdjęcie zalegającego nad nim nadkładu. W początkowej fazie eksploatacji masy nadkładowe lokalizowane są poza granicami wyrobiska odkrywkowego na zwałowisku zewnętrznym, aż do momentu przejścia do zwałowania wewnętrznego. W przypadku kopalń odkrywkowych węgla brunatnego zwałowiska te osiągają powierzchnię od kilkudziesięciu do nawet kilku tysięcy hektarów. Spowodowane jest to dużą koncentracją wydobycia węgla brunatnego liczoną w milionach Mg na rok oraz stosunkowo dużą głębokością zalegania tych złóż. W celu wyboru najkorzystniejszej jego lokalizacji powinno się przeprowadzić szczegółową analizę alternatywnych wariantów, a następnie wybrać wariant najkorzystniejszy. W artykule przedstawiono metodę wyboru lokalizacji zwałowiska zewnętrznego na przykładzie wieloodkrywkowej kopalni węgla brunatnego opartą na teorii grafów i algorytmie A-star. Algorytm ten na podstawie przestrzennego rozmieszczenia poszczególnych węzłów w grafie przeszukuje określone stany grafu, rozbudowując je o kolejne pola elementarne, aż do uzyskania wymaganej wielkości powierzchni przeznaczonej pod budowę zwałowiska zewnętrznego charakteryzującej się przy tym najmniejszą wartością zajętego terenu. Aby to osiągnąć konieczne jest dokładne zidentyfikowanie czynników mających wpływ na wybór lokalizacji zwałowiska zewnętrznego. Na ich podstawie można określić funkcję celu odzwierciedlającą wielkość poszczególnych kosztów budowy zwałowiska zewnętrznego na danym terenie, co zostało szczegółowo opisane w rozdziale 3. Obszar potencjalnej lokalizacji zwałowiska zewnętrznego podzielono na pola elementarne, którego reprezentantem jest centrodia. Centroidzie tej, oprócz jej współrzędnych geodezyjnych, przypisano odpowiednie atrybuty odzwierciedlające stopień zagospodarowania jej pola elementarnego. Czynności te mogła zostać przeprowadzone automatycznie dzięki zintegrowaniu opracowanej metody z systemem zarządzania danymi geoprzestrzennymi o terenie. Zbiór centroid wraz z jej współrzędnymi geodezyjnymi i przydzielonymi atrybutami stanowił wierzchołki grafu do przeszukiwania, którego użyto algorytmu A-star. Algorytm ten wykorzystuje funkcję heurystyczną, dzięki której jest w stanie za każdym razem wskazywać optymalne rozwiązanie, a więc taki zbiór pól elementarnych, których zajęcie pod budowę zwałowiska zewnętrznego będzie charakteryzowało się najmniejszą wartością reprezentującą koszty zajęcia i zwałowania mas nadkładowych na tym obszarze. Dokładność przebiegu granicy wygenerowanej przez algorytm uzależniona jest od przyjętej wielkości pola elementarnego i za każdym razem powinna być ona uszczegółowiona przez projektanta kopalni odkrywkowej. W artykule przedstawiono zastosowanie powyższej metody lokalizacji zwałowiska zewnętrznego na przykładzie kopalni odkrywkowej węgla brunatnego „Tomisławice” należącej do PAK KWB Konin S.A. Dzięki niej możliwe było wskazanie najkorzystniejszej lokalizacji zwałowiska po północno-wschodniej stronie wkopu udostępniającego i oddalonego od niego o ok. 2 km, co zostało opisane w rozdziale 3. Opracowana metoda ma charakter uniwersalny i po pewnych modyfikacjach może być zaimplementowana także dla kopalń odkrywkowych innych kopalin.
    Źródło:
    Archives of Mining Sciences; 2014, 59, 3; 721-730
    0860-7001
    Pojawia się w:
    Archives of Mining Sciences
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-3 z 3

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies