我在尝试解决cs188人工智能项目-1中的搜索问题。在cornersHeuristic()函数中，我们需要返回一个启发式函数，以便在遍历角落时使用。我们希望使用最短路径，因此我们使用A*搜索算法。为了更好地理解代码，这里是代码的总结：我们有角落的位置以(x,y)格式表示，我们角色的当前位置同样以(x, y)格式表示。返回的启发式函数是位置到所有角落的距离中的最大距离。但这里的逻辑是什么？我们不应该返回到最近角落的最小距离吗？为什么我们要返回这些距离中的最大值，这如何帮助找到最短路径？代码如下：对代码的一些解释：corner1, corner2, corner3, corner4和location变量都是元组，存储x和y值。例如(1, 1), (4, 5)

def cornersHeuristic(state, problem):    A heuristic for the CornersProblem that you defined.      state:   The current search state               (a data structure you chose in your search problem)      problem: The CornersProblem instance for this layout.    This function should always return a number that is a lower bound on the    shortest path from the state to a goal of the problem; i.e.  it should be    admissible (as well as consistent).    corners = problem.corners # These are the corner coordinates    walls = problem.walls # These are the walls of the maze, as a Grid (game.py)    location, corner1, corner2, corner3, corner4 = state    corners = [corner1, corner2, corner3, corner4]    heuristic = 0    for x in corners[1]:        heuristic = max(heuristic,(abs(location[0]-x[0]) + abs(location[1] - x[1])))    return max_r

回答：

启发式函数是对实际距离的一个下界。你希望这个下界尽可能大，同时仍然保证是一个下界。

所以你说的min确实可以工作。但max更好，因为它是一个更大的下界。

我们可以保证它仍然是一个下界，因为问题陈述是我们需要访问所有角落。完成这个任务所需的路径长度总是至少是访问最远角落的成本。如果问题是访问任何一个角落，那么我们就需要使用min