Java 使用遗传算法为火星漫游者寻找可接受的启发式算法*

我想解决一个关于人工智能的问题。我有一个“机器人”，从a点到B点应该尽可能快和便宜。这种漫游者不能攀登超过10个单位的高度，其路线的成本受地形的影响。我需要你的帮助，因为我需要找到一个可行的启发式方法来解决我的问题。我已经尝试过欧几里得距离，但还不够。你能帮我吗？

我建议大家看看启发式的一些想法。它们并不都适用于你的情况，因为我不相信你有网格地图？但你至少可以看看

此外，我建议尝试考虑不同地形可能产生的各种成本。例如，如果您知道每种可能的地形类型的最小成本为2，则可以安全地将欧几里德距离乘以2。如果最常见的地形类型的成本为2，但也有一些地形类型的成本较低，则如果开始乘以2，则无法保证找到最佳解决方案，但在实践中仍然可以更快地找到解决方案

---

对我来说，这个问题听起来像是一个家庭作业（如果我错了，请纠正我），这使得很难给出一个单一的答案。我猜家庭作业的重点甚至是研究一下，尝试一些不同的东西，看看它们是如何工作的（或不工作的），这可以提高你对算法工作原理的理解。所以，真的，试着做一些事情。

A*已经是一种启发。它可以在地图上找到最短的路径。只有当游戏的规格有额外的功能，如使用正确的车道、以隐形模式驾驶或避开特定半径的障碍物时，才需要额外的运动原语。。（对不起，我不能投票，分数保持不变。）“我已经试过欧几里德距离了，但这还不够。”这是什么意思？你的意思是，使用这个启发式函数，算法会返回错误的解吗？还是说它太慢了？还是根本找不到解决办法@ManuelRodriguez A*还不是一个启发式算法，它是一个使用启发式函数的搜索算法嗨，谢谢你的回复！这还不够，因为我需要更多的启发！这项工作需要两个或两个以上的启发式，我比较的解决方案，以检查这是最好的启发式。是的，这不是一个启发。启发式是一种帮助算法搜索更好的节点进行探索的功能。欧几里得很好，但我需要更多！向Dennis Soemers致意