Python 搜索。从初始位置添加移动成本

如果f=g+h，那么在下面的代码中，我将在哪里添加g

此外，除了从我的初始位置添加移动成本外，我还可以如何使此代码更高效

def a_star(initial_node):
    open_set, closed_set = dict(), list()
    open_set[initial_node] = heuristic(initial_node)
    while open_set:
        onode = get_next_best_node(open_set)
        if onode == GOAL_STATE:
            return reconstruct_path(onode)
        del open_set[onode]
        closed_set.append(onode)
        for snode in get_successor_nodes(onode):
            if snode in closed_set:
                continue
            if snode not in open_set:
                open_set[snode] = heuristic(snode)
                self.node_rel[snode] = onode
    return False

---

在最后一个

if

中，如果snode不在open_集中（没有双关语！），您不应该只设置启发式，而应该设置启发式加上当前节点的成本。如果snode在开放集中，则应检查当前值和当前值之间的最小值（如果有两种或两种以上的方法到达同一节点，则应考虑成本最低的方法）

这意味着您需要存储节点的“实际”成本和“估计”成本。初始节点的实际成本为零。对于每个新节点，它是每个传入弧的最小值，介于其他顶点的成本加上弧的成本（换句话说，最后一个节点的成本加上从该节点移动到当前节点的成本）之间。估计成本必须将两个值相加：到目前为止的实际成本加上启发式函数

---

我不知道节点在代码中是如何表示的，所以我不能给出比这更具体的建议。如果您仍有疑问，请编辑您的问题，提供更多详细信息。

如果您认为我们需要有关该问题的更多信息。一个好的问题包括：问题的简要背景。对问题的清晰明确的陈述。期望输出的示例。最好是独立运行的代码片段。公平地说，问题是关于的，在标题和标签中都有说明。我们这些有it背景的人可以立即理解OP想要什么，即使它在其他人看来“神秘”。（这并不意味着这个问题无法改进）快速回答，将封闭列表更改为集合（）添加以下内容是否足以将算法视为*？open_set[snode]=min_dist_from_initial_node（snode）+启发式（snode）现在，它在技术上不是a*因为它只是f=h？是的，我相信这是正确的，记住不管snode是否已经在open_集中，你都应该这样做。另外，根据我在评论中提到的维基百科文章，如果启发式函数是单调的，那么你只能有一个闭集，否则你可能会得到一个次优路径。但这超出了这个问题的范围，可能与你的实际需要有关，也可能与你的实际需要无关。。。