A* 算法和 F 和 G 启发式的使用答案

【问题标题】：A* Algorithm and use of F and G heuristicsA* 算法和 F 和 G 启发式的使用
【发布时间】：2012-04-26 22:38:23
【问题描述】：

我的 A* 算法在一定程度上发挥了作用。它会跟随玩家在一个空间中四处走动，但它不会绕过一个需要远离目标才能绕过它的物体。当它意识到下一个节点有更高的 F 值（离目标更远）时，它会拒绝去那里，只会继续寻找更低的 F 值（离目标更近的节点）而找不到一个（它卡在一个永无止境的循环）。

我认为我对启发式使用的理解可能是问题所在。

我的 A* 总是移动到具有最低 F 值 (H+G) 的下一个节点。除了将它们添加到 F 之外，我从不考虑 G 或 H 值。

在我读过的教程中，他们谈到使用 G 值，但我认为 F 值是唯一重要的。

请有人总结一下我是如何使用启发式值的。我想我快到了，只是启发式的使用令人困惑。

【问题讨论】：

标签： algorithm

【解决方案1】：

您是否保留了备用路径段的优先级队列？如果你只看成本最低的下一步，你将无法绕过障碍。

【讨论】：

【解决方案2】：

你明白了。 H 告诉您到达该节点实际需要多远； G 是您必须走多远的估计值。如果您只考虑 G，那么您会选择最接近目标的路径，即使到达该节点需要很长时间。这就是你使用 F (=H+G) 的原因，这样当你第一次达到一个目标时，你就知道它是最短路径的那个。

现在，如果您有无数条路径，那么试图找到最佳路径可能会成为问题。或者您的路径生成算法可能有问题（例如，导致您重新考虑路径）。由于您没有就问题提供更多详细信息，因此我不能说更多可能有用的信息。

再一次，你可能有一个不好的（或者更糟，不可接受的）启发式函数......

【讨论】：

我已经通过让地图填充每个坐标的数字来检查我的启发式方法，并且在我计算它们时它们相加。我认为我需要一种方法来选择一个节点，因为它实际上不是较低的 F 值，而是唯一的其他选择（例如进入 U 形，你必须移得更远才能再次靠近）
等待——正如@Yusuf_X 建议的那样，您必须记录所有可能的打开（即未完成）路径。如果不是，你没有正确地做 A*，你在做爬山，这只是你似乎描述的那种局部最小值问题。
开放路径是指与当前节点相邻的节点吗？因为我正在这样做。它检查相邻节点以查看哪个最好（最低 F 值）。我有一个 OpenList 和一个 ClosedList，我将最好的节点添加到 ClosedList 可用的节点中，然后检查这些节点与节点相邻。