路径规划——搜索算法详解（五）：Dynamic A Star(D*)算法详解与Matlab代码

昨天休息了一天，今天继续学习搜索算法！前几天已经分别介绍了Dijkstra算法、Floyd算法、RRT算法、A*算法，无独有偶，上述算法都只适用于静态环境下两点规划的场景，但是大部分场景是实时变化的，这对规划算法提出了更高的要求，Dynamic A star算法应运而生。

Dynamic A star简称D*在“Optimal and Efficient Path Planning for Partially-Known Environments”中提出，笔者前期收集了很多D*算法的信息，刚开始看的时候也是云里雾里，看了很多遍才懂，其实基础原理并不复杂，但是描述起来比较绕，大家可以看多一遍，会有收获的。

D*算法解决的是在动态环境中计算从起点到终点距离的问题，其搜索过程是基于在初始环境下采用A*搜索的原始结果下的，具体细节接下来会一一介绍：

一、D*算法流程与案例讲解：

1.算法基础：

在该算法中提出了许多新的名词与流程，笔者认为很需要拿出来单独解释以下，留个印象即可，后面提到会再解释，建议看完再回来看，相信会加深你对D*算法的理解：

• 与A*算法类似，D*通过维护一个优先队列openlist来存储待搜索的路径节点，但与A*不同的是，D*算法是从目标点开始搜索，通过将目标点置于openlist中来启动搜索，直到起点位置从openlist中弹出时该次搜索完成；
• D*算法分为两个阶段：第一阶段为采用A*算法从目标点反向搜索，得到搜索路径以及每一个区域节点的信息（包含h（当前启发值）