a* 搜索。从初始位置添加移动成本

Question

如果 f = g + h 那么在下面的代码中我应该在哪里添加 g？

另外，除了从我的初始位置添加移动成本之外，我还能如何让这段代码更有效率？

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

Answer 1

在最后一个if 中，如果 snode 不在 open_set 中（不是双关语！），您不应该只设置启发式，而是设置启发式加上当前节点的成本。并且如果 snode 是 在开放集中，您应该检查当前值和当前值之间的最小值（如果有两种或多种方式到达同一个节点，则应考虑成本最低的一种)。

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，它是另一个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）之间的每个传入弧的最小值。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。

我不知道节点在您的代码中是如何表示的，所以我无法给出更具体的建议。如果您仍有疑问，请编辑您的问题以提供更多详细信息。