Graph IDA*和一个启发式的可接受性?

Graph IDA*和一个启发式的可接受性?,graph,artificial-intelligence,traversal,a-star,heuristics,Graph,Artificial Intelligence,Traversal,A Star,Heuristics,我想在人工智能上练习旧的考试,看一个有挑战性的问题,需要一些专家的帮助 A是初始状态,G是目标状态。成本显示在边缘,启发式“H”值显示在每个圆上。IDA*限制为7。 我们想用IDA*搜索这个图。访问这些节点的顺序是什么?(按字母顺序选择子节点,在同等条件下,首先选择首先生成的节点。) 溶液是A,B,D,C,D,G 我的问题是这是如何计算的,我们如何才能说这是启发式的 是否可接受且一致 我的问题是这是如何计算的,我们如何才能说这个启发式是可接受的和一致的 让我们首先从什么是可接受的和一致的启发式

我想在人工智能上练习旧的考试,看一个有挑战性的问题,需要一些专家的帮助

A是初始状态,G是目标状态。成本显示在边缘,启发式“H”值显示在每个圆上。IDA*限制为7。 我们想用IDA*搜索这个图。访问这些节点的顺序是什么?(按字母顺序选择子节点,在同等条件下,首先选择首先生成的节点。)

溶液是A,B,D,C,D,G

我的问题是这是如何计算的,我们如何才能说这是启发式的 是否可接受且一致

我的问题是这是如何计算的,我们如何才能说这个启发式是可接受的和一致的

让我们首先从什么是可接受的和一致的启发式的定义开始:

  • 可接受的启发式方法决不会高估达到目标的成本,即,估计达到目标的成本不大于图中从该节点到目标节点的最短路径的成本

    您可以很容易地看到,对于图中的所有节点
    n
    ,估计值
    h(n)
    始终小于或等于实际最短路径。例如,h(B)=0f->G)

  • 设c(n,m)表示从节点
    n
    到另一个节点
    n'
    。启发式估计函数
    h(n)

    h(n)+c(n,m)关于A,B,D,c,D,G的解呢?你能描述一下吗?我的问题有两部分,你只回答一部分。
    
     node              current node
     g                 the cost to reach current node
     f                 estimated cost of the cheapest path (root..node..goal)
     h(node)           estimated cost of the cheapest path (node..goal)
     cost(node, succ)  step cost function
     is_goal(node)     goal test
     successors(node)  node expanding function
     
     procedure ida_star(root)
       bound := h(root)
       loop
         t := search(root, 0, bound)
         if t = FOUND then return bound
         if t = ∞ then return NOT_FOUND
         bound := t
       end loop
     end procedure
     
     function search(node, g, bound)
       f := g + h(node)
       if f > bound then return f
       if is_goal(node) then return FOUND
       min := ∞
       for succ in successors(node) do
         t := search(succ, g + cost(node, succ), bound)
         if t = FOUND then return FOUND
         if t < min then min := t
       end for
       return min
     end function