树搜索策略（下）

       前面树搜索策略（上）介绍了树搜索的一些基本算法，树搜索策略（中）通过两个实例具体介绍了分支限界法的思想，本篇主要介绍借助“Best-First”搜索的A*算法。

1. A*算法与分支限界策略的比较

       分支限界策略是为了剪掉不能达到优化解的分支，其关键是“界限”。A*算法的核心是告诉我们在某些情况下，我们得到的解一定是最优解，于是算法可以停止。A*算法试图尽早地发现优化解，经常使用Best-first策略求解优化问题。

2. A*算法的核心——代价函数

       对于任意节点n, g(n) 表示从树根到节点n的代价， h*(n)表示从n到目标节点的优化路径的代价， f*(n) = g(n) + h*(n)即为节点n的总代价。那么，我们如何得到h*(n)的值呢？一般采用一种合适的方法来估计h*(n)，h(n)是对h*(n)的估计，把f(n) = g(n) + h(n) ≤ g(n) + h*(n) = f*(n)定义为n的代价。为了更好的理解A*算法，我们以求解最短路径为例来讲述这种算法思想。

3. 利用A*算法求解最短路径问题

3.1 问题定义

 

       输入：一个带权有向连通图G(V,E)，如下图所示。

       输出：发现一个从S到T的最短路径。

3.2 求解步骤

       step 1: 分别计算f(v1)=g(v1)  + h(v1) = 4 、f(v2) = g(v2) + h(v2)=5、f(v3) = g(v3) + h(v3)=6;

       step 2:根据step1可知进一步扩展v1,分别计算f(v2) = g(v2) + h(v2) = 7、f(v4) = g(v4) + h(v4)=5;

       step 3:根据step2可知进一步扩展v4、v2,分别计算f(v5) = g(v5) + h(v5) = 10、 f(T) = g(T) + h(T) = 7、f(v4) = g(v4) + h(v4) = 6、f(v5) = g(v5) + h(v5) = 10;

       step 4:根据step3可知进一步扩展v3、v4,分别计算f(v5) = g(v5) + h(v5) = 11、f(v5) = g(v5) + h(v5)=11、f(T) = g(T) + h(T) = 8;

       step 5:根据上述步骤可知进一步扩展T,由于T为目标节点，则算法终止，求得最优解。

        图形化展示过程如下：

4. 小结

    通过求解最短路径问题我们大概已经掌握了A*算法思想的精髓。现对A*算法进行简单总结：A*算法借助“Best-first”策略搜索树；假定g(n)表示从根节点到节点n的代价，h*(n)表示节点n到目标节点的优化代价；对于任一节点n,都有h(n)≤h*(n);选择f(n)小的节点进行分支；如果选择的节点n为目标节点，则算法终止，给出最优解。