$\rm{A}^{\rm{SAR}}$：面向搜救（SAR）的 $\varepsilon$ 最优图搜索算法，用于最小化预期检测时间路径并受路径预算约束

搜寻行动旨在在不确定信息、 imperfect observers 和大范围搜寻区域的情况下寻找失踪人员或物品。在许多情境下，如海上搜救，预期生存时间很短，优化的搜寻可能提高成功概率。这个优化问题因其概率性质在非平凡问题中具有复杂性。随机优化方法通过非确定性抽样问题空间来降低问题的有效规模。这已用于搜救规划，以搜索原本难以处理的大规模问题，但其随机性在有限时间内没有关于找到解质量的正式保证。本文提出了 $\rm{A}^{\rm{SAR}}$，一种用于搜救规划的 $\varepsilon$ 最优搜索算法。它计算一种用于界定搜索空间的启发式方法，并使用图搜索方法找到在用户指定因子、$\varepsilon$，之内的最优解的形式保证的解。它在操作仿真中比现有优化方法更快地找到更好的解。还通过加拿大安大略省湖畔的实际现场试验演示，其中用于在仅 150 秒内定位漂浮的人造偶像。