A与IDA

最新推荐文章于 2023-08-09 22:58:08 发布

white514

最新推荐文章于 2023-08-09 22:58:08 发布

阅读量2.2k

点赞数 6

分类专栏：搜索

本文链接：https://blog.csdn.net/white945/article/details/104282601

版权

搜索专栏收录该内容

1 篇文章 0 订阅

订阅专栏

文章目录

1. $f = g + h$
2.A*
3.IDA*
4.总述
5.例题

1. $f = g + h$

A* 与 IDA* 都是用来搜索路径的算法。它们分别是单纯的BFS和DFS的优化，其核心都在于对从现状态到目标状态的步数的估计。即下面这个等式：
$\qquad \qquad \qquad \qquad f'=g'+h'$
其中 $g^{'}$ 为从初始状态到现状态需要的最少步数， $h^{'}$ 为从现状态到目标状态需要的最少步数。那么根据等式含义， $f^{'}$ 就是从初始状态到目标状态，一定要经过现状态时的最少步数。

很显然的是， $f^{'}, g^{'}, h^{'}$ 都太过理想，是我们不知道的。因此，我们用它们的估算的结果代替使用，即下面这个式子：
$\qquad \qquad \qquad \qquad f=g+h$
其中 $g$ 为从初始状态到现状态已经走过了多少步， $h$ 为从现状态到目标状态最少可能会走多少步。
由定义， $\ge g'，f \le f'$ 。（不好理解的话，仔细读定义体会一下。）

下面举个例子（不要纠结例子的合理性啦w）：
f=g+h
图1
如图一所示，深绿色方块是起点，蓝色方块是终点，黑色是不能经过的部分，浅绿色是本次dfs(就当是dfs了)的路线，路线中的等式表示 $f = g + h$ ；两条绿色路线分别表示现状态的 $g$ 路线和一条 $h$ 路线，两条橙色路线分别表示现状态的一条 $g^{'}$ 路线和一条 $h^{'}$ 路线（之所以说“一条”，是因为路线不唯一）。可以看出，每次只能从本格子前往上下左右四个格子之一。
现状态： $g = 9$ ， $h = 9$ ， $g^{'} = 5$ ， $h^{'} = 13$ 。

例子结束。

那么 $f = g + h$ 这个式子是怎么优化BFS和DFS的呢？请往下看。

2.A*

即优化了的BFS。
（安利一个讲得很好的博客：A*寻路算法。当然也可以只看我的，十分欢迎。）

BFS是一层一层扩展的，也就是我们有目前已经在第i步的所有状态，之后由它们拓展出所有第i+1步的状态。

很容易想到，当前的所有状态是有优劣之分的，也就是有的状态很可能是正解的必经状态，而有的状态则与正解差了十万八千里。如果我们优先拓展最优的状态，那么就会更快地接近目标。而状态优劣的判断标准显然可以是 $f$ 。

BFS通常使用队列实现的。那么这时，我们就可以用优先队列进行优化，以 $f$ 的大小作为判断标准，优先拓展 $f$ 小的。

这，就是A*了。

3.IDA*

即优化了的DFS。

普通的DFS“不撞南墙不回头”，不限制的话，很可能沿着一个错误的方向一直递归下去。而IDA*主要有两点升级：

枚举答案的步数。也就是从最小的可能的步数开始往大枚举，直到在这个步数时能从初始状态抵达目标状态。可以简单想一下，每次步数（或者叫深度）加1，那么增加的状态数是相当多的，因此可以忽略前面根本抵达不了终点的步数的耗时。
利用 $f = g + h$ 预判是否可能在规定步数抵达终点。假设我们预先设置的步数为 $x$ ，可以知道现状态的 $f$ ，那么如果 $f > x$ ，则现状态到不了终点。