我目前正在尝试从目标状态开始进行回归搜索，以找出一系列动作来实现我的GOAP规划器的目标状态。截至目前，我所做的伪代码如下所示：

closedList = list;s = stack;s.push(goal);while(s.size() > 0){    state = s.pop;    if(!state exists in closedList)    {        closedList.add(state);        for(action = firstAction; action != lastAction; action = nextAction)        {            if(action.getEffect() == state)            {                if(!action.ConditionsFulfilled())                {                    conditionList = action.getConditions;                    for(i = 0; i < conditionList.size(); i++)                    {                        s.push(conditionList[i]);                    }                }            }        }    }}

我听说GOAP与A*算法非常相似，只是节点是状态，边是动作。但由于在A*中，节点不需要满足任何条件，这让我在如何调整A*算法以适应前置条件上感到困惑。我难以理解的是如何存储动作并比较动作的成本，以便找到最有效的路径。如果我们假设动作类有一个getCost()函数来返回动作的成本，那么在考虑前置条件的情况下，我该如何处理这个问题呢？

回答：

节点确实是世界状态。而边是动作。但请注意，它们是有向边！

前置条件的作用在于：它们决定了哪些边（动作）从节点流出。只有前置条件满足的动作，才是有效的从该状态节点流出的边。

因此，要找到一个节点的邻居，你需要检查每个动作是否所有前置条件都满足。如果是，则应用后置条件以查看该动作将导致的节点。该动作就是这些状态（节点）之间的有效边。

请查看开源的GPGOAP（通用目标导向动作规划），这是GOAP与A*结合的实现。它的C语言代码简单明了，解释了所有步骤。我是GPGOAP的作者。

关于回归的思考

现在谈谈回归部分：我从未实现过从目标到当前世界状态的反向搜索。所以在这方面我能提供的帮助有限。

两个相邻的节点仍然基于单个动作连接。你现在不是基于动作的前置条件，而是基于动作的后置条件来启用/禁用边。如果后置条件与当前节点不匹配，那么该动作将无效。如果匹配，我预计你会通过强制动作的前置条件来添加邻居。

你为什么更倾向于使用反向搜索而不是正向搜索？