Optimization 在完成搜索之前,我们如何知道用于修剪的*搜索的最佳解决方案路径?

Optimization 在完成搜索之前,我们如何知道用于修剪的*搜索的最佳解决方案路径?,optimization,machine-learning,artificial-intelligence,a-star,Optimization,Machine Learning,Artificial Intelligence,A Star,在完成搜索之前,我们如何知道最优解决方案成本 教科书上说 A*扩展f(n)小于C*的所有节点 但在真正完成搜索之前,我们怎么知道C*? 也许我不理解最优解路径的概念 我了解这个概念 但是,我们如何实现修剪的概念呢?我觉得我们应该能够注销一些节点,这样我们就不必跟踪它们,以防它们成为最低成本。首先,你应该停止阅读一本书,它说a*扩展了所有节点,因为事实并非如此 假设从源到目标的成本为4,并且队列中有一个额外的节点,成本>4,则a*不会评估该节点,因为它有一个成本较低的目标节点,因此不会评估该节点

在完成搜索之前,我们如何知道最优解决方案成本

教科书上说 A*扩展f(n)小于C*的所有节点 但在真正完成搜索之前,我们怎么知道C*? 也许我不理解最优解路径的概念

我了解这个概念


但是,我们如何实现修剪的概念呢?我觉得我们应该能够注销一些节点,这样我们就不必跟踪它们,以防它们成为最低成本。

首先,你应该停止阅读一本书,它说a*扩展了所有节点,因为事实并非如此

假设从源到目标的成本为4,并且队列中有一个额外的节点,成本>4,则a*不会评估该节点,因为它有一个成本较低的目标节点,因此不会评估该节点

如果启发式是可接受的,那么从源到目标的第一条路径始终是最佳路径,并且每个节点都是通过最佳路径到达的。启发式是估计成本,而不是精确成本。你必须用某种方法来计算它

如果启发式不允许,则可能存在成本小于当前成本的路径,在这种情况下,A*稍后将使用新路径更新当前路径

不知道你说的修剪是什么意思