Artificial intelligence 我如何判断一个特定的启发是否可以接受，为什么我的不可以？

可接受启发式的定义是“不会高估特定目标的路径”。 我正在尝试编写一个吃豆人启发式程序，以找到吃点的最快方法，其中一些点随机散布在网格中。然而，它没有通过我的受理测试。 以下是我的算法步骤：

sum = 0, list = grid.getListofDots()
1. Find nearest dot from starting position (or previous dot that was removed) using manhattan distance
2. add to sum
3. Remove dot from list of possible dots
4. repeat steps 1 - 3 until list is empty
5. return the sum

既然我用的是曼哈顿距离，这不是可以接受的吗？如果没有，是否有任何建议或其他方法使该算法可接受

你的启发法是不可接受的。另一个例子是：

您的成本是9，但最佳路径的成本是6

---

一个非常非常简单的可接受启发法是：

number_of_remaining_dots

但它不是很紧。一个小的改进是：

manhattan_distance_to_nearest_dot + dots_left_out

其他可能性包括：

distance_to_nearest_dot   // Found via Breadth-first search

或

---

你考虑距离你所在的距离，但是移动改变了所有的距离。但是如果我使用点的曼哈顿距离，我就去了，这不是确定它仍然是可接受的吗？你考虑一些距离两次。考虑这一点：<代码> *y** *c**/COD>（有3个空格）。Pacman是

C

，

*

是点，

\uuu

是一个空白。你的算法计算11。（左，右，左）。最佳值为9（先向右）。

manhattan_distance_to_farthest_dot