文章目录

• 启发性信息
• 估价函数

启发式搜索依据的是问题自身的启发性信息。而启发性信息又通过估价函数作用到搜索过程中。

启发性信息

是指与具体问题求解过程有关的，并可制导搜索过程朝着最有希望方向前进的控制信息

• 有效地帮助确定扩展节点的信息
• 有效地帮助决定哪些后继节点生成的信息
• 能决定在扩展一个节点时哪些节点应从搜索树上删除的信息

启发性信息的启发能力越强，扩展的无用节点越少。

估价函数

用以估计节点的重要性的函数。被定义为从初始节点$S_0$S0​出发，约束经过节点n到达目标节点$S_g$Sg​的所有路径中最小路径代价的估计值。一般形式为：
$f(n) \ = \ g(n) \ + \ h(n)$f(n) = g(n) + h(n)

式中，$g(n)$g(n)是从初始节点$S_0$S0​到节点n的实际代价，$h(n)$h(n)是从节点n到目标节点$S_g$Sg​的最优路径的估计代价。

$g(n)$g(n)的值可以按指向父节点的指针，从节点n反向跟踪到初始节点S_0，得到一条从初始节点$S_0$S0​到节点n的最小代价路径，把这条路径上的所有有向边的代价相加，就得到$g(n)$g(n)的值。

$h(n)$h(n)的值，则需要根据问题自身的特性来确定，体现的是问题自身的启发性信息，因此也称$h(n)$h(n)为启发函数。

标签：函数,人工智能,路径,信息,启发性,节点,估价
来源： https://blog.csdn.net/hjc256/article/details/91359979