我目前正在参加 EdX 上的伯克利 AI 课程，我们正在研究 A* 搜索。我以前使用过 A* 图搜索，并且我实现了它，以便在向边缘/队列添加后继者时，如果它已经在边缘或探索/封闭集中，我不会添加后继者。但是，班上的教授说对于 A* 图搜索，我们应该将节点添加到边缘，然后如果我们将它们弹出并且它们已经在探索集中（即拒绝扩展它们但仍然添加重复节点到边缘）。
Wikipedia 上的伪代码http://en.wikipedia.org/wiki/A_star#Pseudocode，用于 A* 似乎是另一种方式，如果它不在探索/封闭集中，我们只会将其添加到边缘/队列中。但是，它也有一个看起来像 Dijkstra 的部分，它确保后继者的 g-score 最小。
这一切都假设我们使用的是一致的、最优的启发式算法。有人可以帮助我更好地了解实施它的后果吗谢谢！
【问题讨论】：
您正在谈论处理以前遇到的节点的两种方法
在您的第一种方法中，您从队列中弹出一个项目以将其添加到您的封闭集合中。这样做时，您必须将其后继者添加到队列中。如果后继者已经在队列中，那么您只需更新其值（因此它是最小的）。这将需要至少 n 个查找操作（节点的每个后继节点一个）。每次一个节点已经在您的队列中时，您必须将其值与新节点进行比较，并可能更新优先级。在最坏的情况下，您必须对队列执行 n 次查找、n 次比较和 n 次更新操作。
在您的第二种方法（来自您的教授的方法）中，所有继任者都被放入队列中，而不检查他们是否已经在队列中。在评估节点时，这将只需要 n 次插入。但是，每次弹出队列的一个节点时，您都必须检查它是否已经在您的封闭集中，然后才能探索它。这将需要您添加到队列中的每个节点进行一次查找操作（尽管不在您的队列中）。一个节点可以多次出现在您的队列中（而在第一种方法中，队列中只有一个副本）。
如您所见，这两种方法的差异取决于您使用的队列类型（例如斐波那契堆、二进制堆……）以及相应操作的成本。如果更新操作代价高昂，那么第二种方法会更快。第二种方法确实需要更多的队列内存（因为它可以同时包含同一个节点的多个副本）。队列会更大，这将对您对其执行的操作产生影响。
您应该查看您使用的队列，并根据所需的操作和您的图表确定最佳方法。
【讨论】：