如何实现一个A*搜索算法,其中h(n) = h*(n)?

我想了解如果我们希望每个节点的h(n)值恰好是完美启发式值(h*(n)),那么实现A*搜索算法的步骤和逻辑是什么。

我是否可以假设,对于每个节点,我们需要从该节点开始进行一次A*遍历,直到终点节点,才能计算出它的h*(n)?我知道可接受的启发式方法旨在尽可能接近h*(n),以减少检查非最优节点/路径。


回答:

如果你的启发式是“完美”的(即,它代表实际距离),那么它总是会是一致的,因此不需要特别处理。接下来出队的节点总是路径上的下一个节点。

实际上,在这种情况下,你可以完全跳过A*,直接计算最佳路径。

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