A *算法和F和G啟發式的使用

Question

我的A *算法在某種程度上有效。 它將在一個空間中跟隨玩家，但它不會圍繞一個物體，它涉及遠離目標移動以繞過它。 當它意識到下一個節點具有更高的F值（離目標更遠）時，它將拒絕去那里並且將繼續尋找更低的F值（更接近目標的節點）而不找到一個（它被卡在一個永無止境的循環）。

我認為我對使用啟發式的理解可能是個問題。

我的A *總是移動到具有最低F值（H + G）的下一個節點。 除了在F中添加它們之外，我從不考慮G或H值。

在我讀過的教程中，他們談到了使用G值，但我認為F值是唯一重要的值。

有人可以總結一下我如何使用啟發式值。 我想我幾乎就在那里，只是使用啟發式方法令人困惑。

Answer 1

您是否保留備用路徑段的優先級隊列？ 如果你只看最低成本的下一步，你將無法繞過障礙。

Answer 2

你有它。 H告訴你到達該節點實際花了多少時間; G是你必須走多遠的估計。 如果你只考慮了G，那么你就會選擇離目標最近的路徑，即使它花了很長時間才到達那個節點。 這就是你使用F（= H + G）的原因，所以當你第一次達到目標時，你知道它是最短路徑的那個。

現在，如果您有無限數量的路徑，那么嘗試找到最佳路徑可能是個問題。 或者您的路徑生成算法可能有問題（例如，導致您重新考慮路徑）。 由於你沒有提供更多關於這個問題的細節，我不能說更多可能有用的東西。

然后，你可能會有一個糟糕的（或更糟糕的，不允許的）啟發式功能......