Artificial intelligence 距离度量的信息性 曼哈顿距离和切比雪夫，在从A到B的最短路径中，只允许水平和垂直运动的情况下，你能更清楚地了解和接受吗？ < P>曼哈顿距离是两个分离轴上的距离之和，曼哈顿＝XXA，XYB，+ YYA- YYB，而切比雪夫距离只是这两个距离中的最大值：切比雪夫=max | x|u a-x|u b |，| y|u a-y|b |。所以，曼哈顿距离总是至少和切比雪夫距离一样大，通常更大

在网格上不允许对角线移动的情况下，两个距离都是允许的，它们都不会高估真实距离

假设两个距离度量都始终等于或小于真实距离，并且曼哈顿距离始终等于或大于切比雪夫距离，那么曼哈顿距离将始终至少与真实距离一样接近。换句话说，在这种特定情况下，曼哈顿距离将提供更多信息

---

请注意，如果允许对角线移动，或者如果你不是在谈论网格，那么情况可能会有所不同。

请看这篇文章好吗