[AI]A*算法

一、A*算法原理

相比贪婪最优搜索的$f(n)=h(n)$注重当前节点到目标节点的距离h(n)，A*算法还注重当前节点到初始节点的距离g(n)，用公式表示为：
$$f(n)=g(n)+h(n)$$
这公式看着可太枯燥了，用个简单图的表达就是：

A*算法每次扩展f(n)最小的节点。

二、做个例题吧~

著名的Romania地图，以Bucharest为目标，Arad为起点：

• 初始状态， 366表示点Arad到目标Bucharest的距离，0表示Arad到初始节点Arad它本身的距离：
  
• 然后扩展Arad，接着判断Sibiu, Timisoara和Zerind的 f(n)，发现 f(Sibiu)最小，其中g(Sibiu)=140表示 Arad到Sibiu的距离，h(Sibiu)=253表示Sibiu到目标Bucharest的距离：

• 扩展Sibiu，然后继续判断 f(Rimnica Vakea) 最小：
  
• 继续遵循 f(n)最小的原则去扩展节点。此时，f(Petisti) = 417不是最小了！因为之前的 f(Fagaras) = 415最小！这时候就要返回来扩展 Fagaras 节点：

• 回来扩展 Fagaras，此时我们已经找到了目标节点 Bucharest，但是！此时的 f(Bucharest)=450，当前最小的 f 是 f(Pitesti) = 417，那就再回来扩展 Pitesti节点：
  
• 最后找到 f(Bucharest) = 418，则为最终最优解：
  
  这时候，找到的解也是最优的！

三、A*算法的最优性

保证最优性的两个条件：

• 可采纳启发式 Admissible Heuristic
• 一致性启发式 Consistent Heuristic

1.可采纳启发式 Admissible Heuristic

这个是说，可采纳启发式不会高估到达目标的距离，f(n)永远不会超过实际解的距离。

我个人觉得，就是说，A*每次找的路径，都不超过实际到达解的距离，因为他每次找的 f(n)都是最小的，所以他每次找的路径都是近路，他不会绕远路去找解。

2.一致性启发式 Consistent Heuristic

是说，对于节点 n 和通过任一行动 a 生成的每个 n 的后继节点 n’，从节点 n 到达目标的代价都不大于从 n 到 n’ 的单步代价与从 n’ 到达目标的代价之和，公式为：
$$h(n)\le c(n,a,n^{\prime })+h(n^{\prime })$$

说人话就是，，，，懒得写了，直接看知乎大佬的解释吧：

四、A*算法的性能

A*算法可以找到最优解，其他的，，看下图吧：

五、IDA算法 Iterative-Deepening A

A*算法的一个缺点在于，他需要存储所有处在候选区域的节点信息，这些信息是呈指数级增长的，这会极大的占用内存。

如果你对迭代深度有所疑问，请移步迭代深度搜索 Iterative Deepening Search

IDA是指，采用迭代深度A算法，即设置一个限制，每次限制迭代增大， IDA*所用的截断值是 f(g+h).每次迭代，截断值取上一次迭代截断值得节点中最小的 f 代价值。

六、递归最佳优先搜索 RBFS

原理和贪婪最佳优先搜索差不多，只不过用的是线性存储空间。

下图是一些详细信息，太长了，我实在不想打字了55555：

七、SMA*

我先简单贴点图，等我有时间了再回来更。。。

1. SMA*原理

2.SMA*算法性能

3.SMA*算法的使用

各位看官老爷，一键三连再走吧~再不济点个赞也行啊~~