提升图 - 非常慢的大图上的Astar

Question

目前我的Pathfinding系统遇到了一些麻烦，这个系统在我的大图上“非正常”缓慢：

My Graph

• 图表属性：16814个顶点/ 61512个边
• 图是指导的。
• 每个顶点都有一个子图的ID（岛ID）→子图之间没有解，但总是在同一子图内。

图的每个顶点都由以下内容定义：

• 类型（岩石，沙子，...）。
• 高度

最后一条规则，地球不与海洋相连（所以我们有很多子图）。

My Astar configuration

我的启发式非常经典：我计算当前顶点位置和目标位置之间的点。

我没有边缘的预计算权重。我使用“复杂”算法（取决于步行者的速度，地面的种类，如果我们上下）

float PathWorld::updateWeight(const Agent& agent, const EdgeInfo& edgeInfo) const
{
    const Agent::Navigation& navigation = agent.getNavigation();

    const auto& fromTerrain = edgeInfo._from->_terrain;
    const auto& toTerrain   = edgeInfo._to->_terrain;

    const float mean = (navigation._speed.at(fromTerrain._type) + navigation._speed.at(toTerrain._type)) * 0.5f;
    const float diff = BT::Maths::clamp((1000.0f + toTerrain._height - fromTerrain._height) / 1000.0f, 0.5f, 2.0f);

    return edgeInfo._distance / mean * diff;
}

Issues

目前，当我计算一条路径时，执行时间不到1毫秒到1秒。路径解决方案只有8到80个顶点，我没有比例时间。 （因此，8个顶点路径可能需要1秒，80个顶点路径需要1毫秒）。

我使用visual Studio进行快速分析：提升是我的瓶颈。

Code and testing data

所有完整的代码和测试数据都可以在我的GitHub上找到。

https://github.com/Rominitch/myBlogSource/tree/master/DEMO/TestPathfinding

简单/小型演示不会受到我的影响。只是复杂的情况。所有图表均由同一程序生成（未公布）。

My Testing program output

我的测试程序非常虚拟： - 我从一个节点开始进入我的图形 - 我在此之后使用XXX节点（使用索引）和计算路径。

输出：

Statistics:
 Start node: Ocean H= 0 SubGraph= 2
 nbValid: 2053/15000   (valid path / number of path computed)
 min / max: 1/75       (number of vertex in path computed)
 min time for one path: 0 ms
 max time for one path: 7 ms

Statistics:
 Start node: Forest H= 100 SubGraph= 1
 nbValid: 1420/1500
 min / max: 1/76
 min time for one path: 0 ms
 max time for one path: 558 ms

Statistics:
 Start node: Swamp H= 50 SubGraph= 1
 nbValid: 601/1000
 min / max: 1/51
 min time for one path: 0 ms
 max time for one path: 1246 ms

Statistics:
 Start node: Clay H= 300 SubGraph= 22
 nbValid: 138/15000
 min / max: 1/12
 min time for one path: 0 ms
 max time for one path: 0 ms

Questions

• 我的问题在哪里？ （坏的提升使用/坏图形/提升限制）
• Boost是一个很好的选择解决寻路（另一个库）？
• 我们可以优化我的图表数据（最佳提升算法，减少数据重复，......）？

谢谢 ！

Answer 1

好 ！我发现了我的问题。

目前，Bug在我的启发式实现中，它不计算当前节点和目标之间的距离的平方。它只是制作一个“准随机”启发式算法。

而且，就我而言

boost::astar_search

表现不如

boost::astar_search_tree

最后，我优化我的图形（删除虚边）。

新统计数据：

Statistics:
  Start node: Ocean H= 0 SubGraph= 2
  nbValid: 2028/15000
  min / max: 1/145
  min time for one path: 0 ms
  max time for one path: 13 ms
  mean: 0 ms
  Global time: 1845 ms

Statistics:
  Start node: Forest H= 100 SubGraph= 1
  nbValid: 1420/1500
  min / max: 1/92
  min time for one path: 0 ms
  max time for one path: 13 ms
  mean: 0 ms
  Global time: 1232 ms

Statistics:
  Start node: Swamp H= 50 SubGraph= 1
  nbValid: 601/1000
  min / max: 1/50
  min time for one path: 0 ms
  max time for one path: 11 ms
  mean: 0 ms
  Global time: 504 ms

Statistics:
  Start node: Clay H= 300 SubGraph= 23
  nbValid: 138/15000
  min / max: 1/17
  min time for one path: 0 ms
  max time for one path: 1 ms
  mean: 0 ms
  Global time: 115 ms