我有一个算法问题，我从大量搜索中找不到任何合适的算法，所以我希望stackoverflow上的人可能知道答案。
我有一组用于车辆在 2D 空间中移动时的 x,y 坐标，这些坐标记录在时间段内的“决策点”处（即它们已经停止并确定下一步要移动到哪里）。
我想要做的是找到一种有效比较这些轨迹的机制（即不单独遍历每个点）。更复杂的是，我对他们运动的“模式”感兴趣，而不一定是他们去的各个点。这意味着如果您围绕轴反射“路径”，或者将其旋转 90,180 或 270 度，则“路径”被认为是相同的。
基本上，我试图将某种“行为”提炼为他们在空间中移动的方式，然后检查不同的“行为”以进行分类。
干杯，
艾丹
这可能比您要寻找的要复杂得多，但听起来这些家伙在astrometry.net上所做的可能与您要寻找的相似。本质上，您可以上传一些星星的图片，它会计算出它所属的天空中的位置，以及旋转，您可以在您正在寻找的内容中使用类似的模式匹配。
他们有一个很棒的 pdf 来解释它是如何工作的，显然你可以给他们发电子邮件，他们会向你发送源代码（详细信息在 pdf 中）。
编辑：显然你可以直接在这里下载代码。
希望能帮助到你。
您可以采取几种方法：
将向量路径和平移矩阵与两种算法一起使用，A*（星形）算法（从所谓的贪心函数中定位最佳路线）和“最近邻”算法——这些都常用于比较路径路线的效率。
您可能不知道，但您遇到的问题被称为“旅行推销员”问题，并且有很多方法。
所以抬头看
旅行商问题 A* 最近邻
也看看
随机游走算法——最基本的方法
对于学习行为方法，请尝试神经网络“ANN”或遗传算法
这类问题的数学包含在所谓的“图论”中
似乎基本上需要一些指标来比较两条（一般为 N 条）路径并选择最佳路径？如果是这种情况，那么我建议使用简单的统计数据。我将从标题（方向）直方图、相对（相对于前一个标题）标题直方图等开始。想到其他事情 - 点协方差之间的距离/方向。或者只是简单地组成某种“统计数据”（转数等）并使用它比较这些路径。