Algorithm 对a*算法使用不同的启发式

我的教授给了我一个简单的编程任务——至少我这么认为。基本原理很简单：我有一个随机的迷宫，由n>20000个不同的房间组成。我想“嘿，太好了，让我们用A*来计算最佳路线”。现在我遇到了以下问题：

我教授的java程序将房间随机分成一个大数组，保存X房间的所有后续房间。示例：

房间[2427][{42}，{289}，{2833}]//房间2427紧挨着房间42、289和2833——这3个房间可以从房间2427进入

A*需要一个好的启发式方法来衡量每个房间的以下成本。例如：

后续房间的总成本=当前房间的完整成本+从当前房间到后续房间的成本+估计的剩余成本

“估计的剩余成本”是个问题。如果我有一个2D阵列，我可以很容易地使用从a到b的空中距离作为一个基本的启发，因为至少会有X个成本（从a到b的空中距离）。但是我现在不能用它，因为我不知道房间在哪里！他们是完全随机的，我不知道23878房间在哪里

我还可以使用其他类型的启发式方法吗？我不能将每个开放房间的预计休息成本设置为0，可以吗？有更好的方法吗

---

谢谢

使用0作为启发式应该就行了。0-启发式实际上是a*算法的一个特例，也称为Dijkstra算法。

我认为在这种情况下没有可接受的启发式估计，即在所有情况下h（x）=0

---

然而，图的边似乎没有加权。您可以简单地编写BFS，它将在O（V+E）中以最佳速度运行（并且易于实现）。

我可能错了，但我认为没有一个可接受的启发式估计。我想这大概有一个小时了。。。我想也没有。在java中保存这些房间时，没有办法说出像空中距离这样聪明的东西。棘手的事情。那么，我是否应该将h值（估计的剩余成本）设置为0？是的，我认为如果存在负权重边，则必须使用通用Dijkstra或Bellman Ford。是的，对于迷宫，没有任何启发式方法可以帮助加快计算速度。下一个房间和后面的路可以一直通向起点。简单的迪杰克斯特拉是一条路要走A*适用于大多数情况下具有某种程度可能的总体方向的地图。