Algorithm A*功能

我只是想澄清一下，在两条路径具有相等值的情况下，A*for path finding应该如何运行，无论是在计算期间还是在最后，如果有两条相等的短路径

例如，我在我的开始节点，有两个可能的节点可以展开，但它们都有相同的f（x）。它们都被扩展了吗？按什么顺序

---

如果在搜索结束时有两条相等的最短路径，会发生什么情况？

在这两种情况下，您只需选择任意一条。请注意，A*查找其中一条最短路径，而不是所有路径，并且没有像您描述的那样解决歧义的特定方法是它工作所必需的

在这两种情况下，您只需选择任意一种。请注意，A*查找其中一条最短路径，而不是所有路径，并且没有像您描述的那样解决歧义的特定方法是它工作所必需的

如果您构建自己的A*实现，您就可以决定如何准确处理此类情况。通常，当算法确定所有剩余路径的成本至少与最短路径相同时，无论哪一条相等的最短路径是当前路径，都将作为最短路径返回

在我的游戏程序（在十六进制网格上）中，我使用了两个单独的A*实现。短距离（且无道路移动）使用向量积作为相等路径之间的连接断路器，选择视觉上更直接的路径。对于较长距离的一种方法可以实现道路移动，而忽略了上述改进，但使用了一种更复杂的启发式方法，在较长距离内更有效

---

关于A*算法的各种改进有很多问题。

如果您构建自己的A*实现，您就可以准确地决定如何处理此类情况。通常，当算法确定所有剩余路径的成本至少与最短路径相同时，无论哪一条相等的最短路径是当前路径，都将作为最短路径返回

在我的游戏程序（在十六进制网格上）中，我使用了两个单独的A*实现。短距离（且无道路移动）使用向量积作为相等路径之间的连接断路器，选择视觉上更直接的路径。对于较长距离的一种方法可以实现道路移动，而忽略了上述改进，但使用了一种更复杂的启发式方法，在较长距离内更有效

---

有许多问题可以解决A*算法的各种改进。

一个好的启发式算法将在许多条件下进行评估（添加概率条件，如风险、成本、效用管理、操作合理性等），从而将最短路径的数量降至最低

---

但是，如果在边缘上仍然有多条路径（即可扩展节点阵列），一个简单的a*将任意拾取。

一个好的启发式将在许多条件下进行评估（添加风险、成本、效用管理、操作合理性等概率条件）从而使最短路径的数目最小化

---

但是，如果条纹上仍有多条路径（即可扩展节点阵列），则简单的a*将任意拾取。

拾取一条随机路径？您是否有关于路径（风险、收益等）的任何其他数据？请随机选择一个？您是否有关于路径（风险、收益等）的其他数据？