为什么可接受启发式有效?

我在A*搜索算法的背景下遇到了“可接受启发式”这个术语。能否有人解释一下(或提供一个直观的理解),为什么启发式函数h只有在不高估实际距离的情况下才是可接受的?


回答:

考虑A*的停止条件,算法会在达到目标节点并具有特定F值时停止,其中F等于G——从起点构建的路径加上启发式值H,后者代表对剩余路径到目标的估计。

在目标节点,F等于G,因为对剩余路径到目标的估计为0。

只有当H是可接受的时,停止条件才有效,因为这样我们就可以确定,如果我们在目标节点计算的F值小于我们在任何其他节点计算的任何其他F值,我们可以肯定它是最短路径,因为没有其他路径可以以更小的F值到达目标。

如果它不是可接受的,那么可能存在其他节点,我们为其计算的F值高估了剩余路径到目标的距离,我们不能停止算法,因为可能存在更短的路径。

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注