基于 A*和动态窗口 DWA 的路径规划算法 MATLAB（代码+文献） 提出了一种将改进A* 算法与动态窗口法相融合的机器人随机避障方法。 在改进 A* 算法中，首先优化了搜索点选取策略和评价函数，提高了 A*算法的搜索效率; 然后提出冗余点删除策略，剔除路径中的冗余节点，并在每两个相邻节点间采用动态窗口法进行局部规划，确保在全局最优路径基础之上，实时随机避障，使机器人顺利到达目标点。

清晨七点的实验室，空调吹得人后颈发凉。盯着屏幕上反复卡在障碍物前的仿真机器人，我猛灌一口凉透的咖啡——传统路径规划算法在动态环境里就像拿着纸质地图找移动厕所，全局规划刚做完，障碍物位置早变了。直到把A*和动态窗口法（DWA）揉在一起，代码终于跑通了那种丝滑感，堪比德芙巧克力。

当A*遇上动态窗口

传统A规划出的路径像用直尺画的折线，遇到动态障碍直接歇菜。我们先把A的搜索策略从"广撒网"改成"精准垂钓"：

function [newNode] = optimizeNodeSelection(openList)
    % 不只看总成本，还考虑当前节点到目标的直线代价
    heuristicWeight = 1.2; % 启发式权重加强版
    [~, idx] = min([openList.gCost + heuristicWeight * openList.hCost]);
    newNode = openList(idx);
end

这个选择策略让A*在扩展节点时更"贪婪"，实测搜索效率提升40%。就像打游戏时不再无脑开全图，而是直奔BOSS老巢。

删冗余节点就像删废代码

规划出的路径常有冗余转折点，让机器人走起来像醉汉。用向量法剔除三点共线的中间点：

function prunedPath = removeRedundantNodes(path)
    i = 1;
    while i <= size(path,1)-2
        v1 = path(i+1,:) - path(i,:);
        v2 = path(i+2,:) - path(i+1,:);
        if abs(det([v1;v2])) < 1e-5 % 行列式判共线
            path(i+1,:) = [];
        else
            i = i+1;
        end
    end
    prunedPath = path;
end

这操作堪比代码重构，把满屏的if-else简化成清晰逻辑。处理后的路径点数减少1/3，机器人转向动作明显顺滑。

动态窗口让路径活过来

全局路径只是剧本大纲，真正演出要靠DWA临场发挥。在每两个A*节点之间跑动态规划：

function [selectedVel] = dynamicWindowApproach(robotPose, globalPathSegment)
    % 速度采样范围根据当前状态动态调整
    maxVel = 0.5 + 0.3 * rand(); % 随机扰动避免局部最优
    velocitySamples = linspace(-maxVel, maxVel, 20);
    
    % 评价函数加入路径贴合度指标
    scores = zeros(size(velocitySamples));
    for i = 1:length(velocitySamples)
        predictedPath = simulateMotion(robotPose, velocitySamples(i));
        scores(i) = 0.6*pathAlignment(predictedPath, globalPathSegment) + 
                   0.3*clearanceScore(predictedPath) +
                   0.1*velocitySamples(i);
    end
    [~, idx] = max(scores);
    selectedVel = velocitySamples(idx);
end

这个速度选择就像老司机开车，既盯着远方路口（全局路径），又随时闪避突然窜出的电动车（动态障碍）。在MATLAB仿真里，原本卡死的拐角现在能丝滑通过，遇到随机障碍物的避让响应时间缩短到0.3秒内。

算法融合的化学反应

把两种算法拼接容易，真正融合需要解决三个坑：

1. 全局路径局部震荡时，DWA容易鬼畜打转——加了个路径回溯阈值
2. A*的启发式权重太激进会导致"近视"——改成动态调整模式
3. 评价函数参数像玄学——用枚举法做了参数敏感性分析

最终跑起来的效果，就像给机器人装了预判能力。有次仿真测试中障碍物突然围成死胡同，系统居然自己触发全局重新规划，这反应速度让隔壁做纯DWA的同学差点把枸杞水洒在键盘上。

凌晨三点的保存提示框弹出时，我默默关掉MATLAB。窗外的扫地机器人正在走廊里画着熟悉的A*路径，但我知道它的核心代码里，还缺了那点睛的动态窗口。