Combining A* and Genetic Algorithm for Efficient Path Search

In this paper, we propose a hybrid approach of combining $A^*$ and Genetic algorithm in the path search problem. In $A^*$, the cost from a start node to the intermediate node is optimized in principle but the path from that intermediate node to the goal node is generated and tested based on the cumulated cost and the next node in a priority queue is chosen to be tested. In that process, we adopt the genetic algorithm principle in that the group of nodes to generate the next node from an intermediate node is tested by its fitness function. Top two nodes are selected to use crossover or mutation operation to generate the next generation. If generated nodes are qualified, those nodes are inserted to the priority queue. The proposed method is compared with the original sequential selection and the random selection of the next searching path in $A^*$ algorithm and the result verifies the superiority of the proposed method.

효율적인 경로 탐색을 위한 A*와 유전자 알고리즘의 결합

본 논문에서는 $A^*$와 유전자 알고리즘을 적용하여 최적 경로를 탐색하는 방법을 제안한다. 최적 경로를 탐색하기 위해 $A^*$ 알고리즘을 적용하여 출발지 노드로부터 중간 경로 노드까지의 거리를 측정하여 개체를 생성한다. 적합도 함수를 이용하여 최적 출력 노드들을 탐색하기 위한 적합도를 계산한다. 적합도에 따라 교배할 노드와 교배 지점을 선택한다. 선택한 노드와 교배 지점을 기반으로 개체들을 교배한다. 교배를 통해 새로운 개체를 생성하고 새로운 개체가 적합도 조건에 만족하면 출력 노드로 선택하고, 다음 출력 노드를 선택하기 위한 출발 지점의 노드로 설정한다. 이러한 과정들을 반복하여 최적화된 출력 노드를 도출한다. 제안된 방법을 경로 탐색 문제를 대상으로 실험한 결과, $A^*$ 알고리즘만을 이용한 경우보다 제안된 방법이 경로 탐색 문제에 있어서 최적화된 거리를 기반으로 경로를 탐색하는 것을 확인하였다.