Artificial intelligence 解决这个问题的好办法是什么？

目的是引导机器人从源S到目标G，同时以任意顺序通过所有检查点@。无法访问标记为的单元格。机器人可以在标记的位置上移动

---

解决这个问题的一种方法是从当前状态中选择一个检查点作为目标，然后引导bot到达它。然后选择下一个检查点作为目标，选择当前检查点作为源，并引导bot实现其新目标。最终将它从最后一个检查点引导到状态G。但是这种技术严重依赖于通过检查点的顺序。我想知道是否可以找到一个好的启发式方法来决定下一步去哪个检查点？

我认为这个问题可以归结为旅行推销员。设S、G和@为图的节点。然后计算每对节点之间的最小距离，将任何墙都考虑在内。然后你有一个点之间有加权距离的图。这就是TSP，你知道的第一个和最后一个节点有点不同。

这不是有点像旅行商问题吗？@Mehrdad机器人实际上不知道从每个检查点到下一个检查点的路径长度。还有一个附加的限制，即无法访问的单元位置。如果你说的是机器学习，那么我相信你的目标是收集所有的检查点，并且每个点都有目标本身，但是收集最后一个G会得到很多分。那样的话，它应该试着把它们全部收集起来，然后把它们放在一起last@Vlapd这是一个很好的技巧。我可以给每个非检查点单元格加上负值，以确保找到最短路径。是的，但需要知道如何找到。我认为OP不确定这个问题是否在NP中。我的观点是，如果将一个问题简化为TSP是毫无意义的，因为这是一个众所周知的难以用启发式或近似法解决的问题。要么你应该把它简化成一个更容易的问题，要么你应该把TSP简化成一个至少和TSP一样难的问题。将它简化为TSP和将二进制搜索简化为TSP一样有用。好吧，也许这里的reduce是个错误的词。实际上，我证明了这两个问题是等价的。证明这个问题和TSP问题一样复杂，和证明相反是一样的。理论计算机科学从来都不是我最喜欢的话题，我更喜欢实际应用

########
#@....G#
##.##@##
#..@..S#
#@.....#
########