使用 A* 为火星探测器寻找可接受的启发式方法答案

【问题标题】：Finding Admissible Heuristics for Martian Rover using A*使用 A* 为火星探测器寻找可接受的启发式方法
【发布时间】：2017-02-15 02:28:56
【问题描述】：

我正在尝试解决有关 AI 的问题。我有一个“机器人”，它应该尽可能快速且便宜地从 A 点到达 B 点。这辆 Rover 不能爬升超过 10 个单位的高度，而且他的路线成本受地形类型的影响。我需要你的帮助，因为我需要找到一个可接受的启发式方法来解决我的问题。我已经尝试了欧几里得距离，但这还不够。你能帮帮我吗？

【问题讨论】：

A* 已经是一种启发式方法。它在地图中找到最短路径。仅当游戏规范具有额外功能（例如使用正确的车道、以隐身模式驾驶或避开一定半径的障碍物）时，才需要额外的运动原语。（对不起，但我不能投票，分数保持不变.)
“我已经尝试了欧几里得距离，但还不够。”是什么意思？您的意思是说，使用该启发式函数，算法会返回不正确的解决方案吗？还是说它太慢了？还是根本找不到解决方案？ @ManuelRodriguez A* 还不是启发式算法，它是一种使用启发式函数的搜索算法
您好，谢谢您的回复！这还不够，因为我需要更多的启发式方法！这项工作需要两个或更多启发式方法，因为我比较了检查哪个是最佳启发式方法的解决方案。是的，A* 它不是启发式的。启发式是帮助算法搜索更好的节点进行探索的功能。欧几里得工作正常，但我需要更多！最好的问候@Dennis Soemers

标签： java artificial-intelligence a-star heuristics

【解决方案1】：

我建议您查看this page，了解一些启发式方法。它们并不都适用于您的情况，因为我不相信您有网格图？但你至少可以看看。

此外，我建议您尝试考虑在不同类型的地形中可能产生的各种成本。例如，如果您知道每种可能的地形类型的最小成本为 2，您可以安全地将欧几里得距离乘以 2。如果最常见的地形类型的成本为 2，但也有一些类型成本较低的地形，如果开始乘以 2，您将失去找到最佳解决方案的保证，但在实践中您仍然可以更快地找到解决方案。

对我来说，这个问题听起来像是一项家庭作业（如果我错了，请纠正我），因此很难给出一个单一的答案。我想家庭作业的重点甚至是研究一下并尝试一些不同的东西，看看它们是如何工作的（或不工作），这可以提高你对算法工作原理的理解。所以，真的，只是尝试一些事情。

【讨论】：