**传统 A*算法与改进 A*算法性能对比研究**
一、引言
在机器人路径规划领域，A*算法以其高效的搜索能力和良好的全局路径规划能力而备受关注。然而，
传统 A*算法在某些复杂环境下可能存在效率低下、路径质量不佳等问题。为了解决这些问题，本文提
出了一种采用三次 B 样条优化策略的改进 A*算法，并对其与传统 A*算法的性能进行对比分析。
二、传统 A*算法概述
传统 A*算法是一种启发式搜索算法，它结合了 Dijkstra 算法和最佳优先搜索的思想。A*算法通过
评估节点的代价函数和启发式函数来选择下一步的移动方向，从而在搜索过程中不断逼近目标点。然
而，传统 A*算法在处理复杂环境时，可能因为评估函数的局限性而出现效率低下或路径质量不佳的问
题。
三、改进 A*算法及其优化策略
为了解决上述问题，本文提出了一种采用三次 B 样条优化策略的改进 A*算法。该算法通过引入三次
B 样条曲线来优化路径的平滑性和连续性，从而提高了路径的质量。此外，该算法还采用了一些启发
式搜索策略来加速搜索过程。
四、实验设计与实施
1. 实验环境与数据准备：本实验采用了多种尺寸的地图作为实验环境，包括室内、室外等不同场景
。在每个地图上，我们设置了起点、终点以及障碍物的坐标，以便进行全局路径规划。
2. 实验逻辑与代码实现：我们编写了改进 A*算法的代码实现，并采用 C++语言进行编程。在代码
中，我们实现了算法的创新改进，包括采用三次 B 样条优化策略、启发式搜索策略等。此外，我
们还实现了跳点 JPS 搜索功能，以便在实验过程中进行验证。
3. 仿真结果与数据分析：我们分别在传统 A*算法和改进 A*算法下进行了仿真实验，并记录了仿真
结果。通过对比分析两种算法的仿真结果，我们发现改进 A*算法在处理复杂环境时具有更高的
效率和更好的路径质量。此外，我们还绘制了角速度、线速度、姿态位角等参数的变化曲线，以
便更直观地分析两种算法的性能差异。
五、结果与讨论
1. 结果展示：通过对比分析仿真结果和参数变化曲线，我们发现改进 A*算法在处理复杂环境时具
有更高的效率和更好的路径质量。具体来说，改进 A*算法能够在更短的时间内找到更优的路径
，并且路径的平滑性和连续性也得到了显著提高。
