摘要:本研究旨在解决自主移动机器人在点到点路径规划中面临的搜索效率低下、易陷入局部最优解以及对未知动静态障碍物处理不够实时的问题。为此，将改进A*算法与改进 DWA进行了有效融合。在改进的A*算法中，我们引入了基于障碍率的权重因子和双向优化策略，以提升搜索效率并生成更加平滑的路径。同时，改进的DWA算法融入了两种新的障碍物评价函数，并通过调整权重系数有效地避免了局部最优解问题。通过将改进的DWA算法与改进的A*算法结合，实现了对未知动静态障碍物的高效实时避障。仿真实验结果显示，提出的改进A算法与传统A算法以及文献［23］的改进算法相比，在四种环境下的表现表明：路径转弯次数分别平均减少了30.14%和18.16%，搜索空间分别减少了35.09%和15.21%，规划时间分别降低了82.36%和38.26%。进一步地，结合改进的DWA算法后，路径规划时间、路径长度和平均运动速度相比融合传统DWA算法和文献［23］的融合算法分别平均减少了37.46%和9.82%，减少了4.59%和3.63%，提高了53.49%和7.09%。

摘要:针对传统DWA算法在复杂动态环境中容易陷入局部最优和动态避障性差等问题，提出一种基于A*的改进DWA算法。首先在DWA算法中引入碰撞锥对静、动障碍物进行避障检测，并通过速度窗口剔除掉具有碰撞威胁的速度来优化约束空间。其次根据静、动障碍物信息改进评价函数，提高DWA算法的轨迹评估能力。最后将改进的DWA算法与A*算法相融合，解决DWA算法在复杂环境中容易陷入局部最优的问题。仿真结果显示，相比于其他同类型算法，该算法在行进速度和安全距离方面均可提高50%以上，不但可以使机器人按照全局最优路径行进，而且有效提高了机器人在复杂动态环境的避障能力。