如果我有一个A*函数，能够在迷宫中找到从起点到目标的最优路径，我应该如何修改启发式函数使其保持可接受性，以便在存在多个目标时，函数仍然能返回最优结果。

回答：

假设问题是只访问一个目标：

首先想到的解决方案是遍历所有可能的目标，计算每个目标的可接受启发式值，然后最终返回这些值中的最小值作为最终的启发式值。这样可以确保启发式仍然是可接受的（不会高估到任何目标的距离）。

编辑：现在假设问题是访问所有目标：

在这种情况下，A*可能甚至不是最佳算法。你可以使用上述的启发式方法，先找到最近目标的最短路径。然后，在到达第一个（最近的）目标后，你可以以相同的方式再次运行它来找到下一个最近的目标，依此类推。

但这可能不会提供一个整体最优的解决方案。有可能首先访问第二近的目标是有利的（例如），因为在某些情况下，这可能使得到达第二个目标的路径成本更低。

如果你想要一个整体最优的解决方案，你可能需要考虑不同的整体方法。你的问题类似于旅行商问题（虽然不完全相同，因为我认为你可以多次访问同一点）。这个链接也可能对你有所帮助。