Bahnplanungsframework für ein autonomes Fahrzeug - oops ...

74 Suchalgorithmen
(Abb. 6.16): Anschauliche Ansicht eines Octrees.
Vergleicht man den Octree mit einer naiven Liste, so ist zwar das Hinzufügen in beiden Fällen
konstant, da es bei der naiven Liste nur hinten angehängt werden muss. Jedoch beim Suchen eines
ähnlichen Elements muss im schlimmsten Falle die gesamte Liste durchlaufen werden, ohne dass ein
Element gefunden wird, im best case jedoch ist direkt das erste Element ähnlich und die Suche kann
mit diesem Ergebnis beendet werden. Im Mittel braucht die Suche aber n 2
Schritte, wenn das gesuchte
Element vorhanden ist, was jedoch in den meisten Fällen nicht der Fall ist (Tab. 6.9). An dieser Stelle
kann der Octree nicht mit einer sortierten Liste oder dem Skew Heap verglichen werden, denn diese
beiden werden nach dem Score f (x) sortiert und der Octree anhand der Konfigurationen eingeteilt.
Octree
Naive Liste
middle case worst case middle case worst case
Element hinzufügen O(1) O(1) O(1) O(1)
Ähnliches Element suchen O(1) O(1) O(n) O(n)
(Tab. 6.9): Vergleich Octree mit einer naiven Liste.
VERSUCHSAUFBAU
Die genannten Datenstrukturen sollen nun getestet werden. Damit die Vorteile der genannten Datenstrukturen
zum Einsatz kommen, müssen möglichst viele Zugriffe auf die Liste getätigt werden. Somit
wird der naive A* Algorithmus mit dem euklidischen Abstand in allen Simulationsläufen verwendet,
zusätzlich wird noch ein kleines Hindernis in den Weg gestellt, damit die Suche möglichst viel Zeit
in Anspruch nimmt und die Listen groß anschwellen lässt. Es wurde das in Abbildung (Abb. 6.17)
gezeigte Szenario gewählt.