我正在研究 A* 算法。 我有这些问题:
- 是否可以在同一个搜索过程中使用不同的启发式方法？对于某些节点，我有从这些节点中的每一个到末端节点的实际成本。我可以使用这个成本作为这些节点的启发式方法，而对于其他节点(我不知道结束节点的成本)我可以使用欧几里德或其他指标计算启发式方法吗？我试过了，但是算法找不到端节点!!!
- 我有一部分搜索空间是使用 A* 搜索的。搜索空间已增加(我指的是原始搜索空间周围的边界)。如何使用原始搜索过程中的信息使增加空间搜索中的新搜索过程更加明智？ (如果有与这些主题相关的论文，请通知我!)
非常感谢您提供任何信息。
最佳答案
1) 只要您的启发式方法是可接受的，算法就应该找到答案。可接受的启发式是一种永远不会高估目标距离的启发式。
2) 您可以使用已知的值作为扩展空间启发式的一部分。
关于algorithm - 具有已知成本的 A* 算法，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/21297865/