Algorithm 仿真中的最短路径算法

我们有一个程序，有一张地图，上面有障碍物和人。人们在随机的地方，每个人都有随机的体重。我们使用三角剖分A*算法为他们找到到达某个目的地的最短路径。每秒钟，他们的速度和坐标都会被记录下来。运行时可能发生碰撞

---

现在我们计划模拟这个程序100次。对于每个模拟，地图、目的地、人数及其体重都是相同的。不同之处在于它们将走向何方——比如说运行不同的算法。一些模拟可能会在特定区域发生更多碰撞，另一些模拟可能会让人们选择更长的路径，但碰撞最少。我们想让人们的寻路逻辑变得更聪明。根据我们从模拟日志中获得的数据，我们可以使用什么机器学习算法根据有障碍物的地图找到最佳路径？

如果他们都使用“最短路径”，他们如何运行不同的路径？这个问题需要比我们能提供的更多的帮助。我们喜欢帮助别人，但有时你需要先帮助自己，比如读一本关于语言的书，在线文档，或者询问你认识的人。一旦您更好地理解了主题，我们邀请您编辑此问题并重新打开它。您需要的是关于机器学习算法类及其应用的入门教程（或此类概述的结果）。请阅读并遵循帮助文档中的发布指南。在这里申请。@Smith42：他们不是都在走最短的路；人是

三角测量A*

过程的要素。他们习惯于在最短路径上会聚。