路由寻迹常见算法-启发式

本文介绍了启发式搜索在路由寻迹中的应用,包括曼哈顿距离、切比雪夫距离和欧式距离等启发函数。讲解了Dijkstra算法、Best-First-Search、A-Star及其衍生算法如动态加权A-Star和双向搜索A-Star,探讨了它们在寻找最短路径中的优缺点和适用场景。

路由寻迹之启发式搜索

启发式搜索是指我们在搜索路径时,首先选择最有希望的的节点去拓展,这种被称为启发式搜索.

启发函数

那么什么可以用来定义最有希望,如何来界定一个点比另外一个点、一个网格比另外一个网络更有希望,这就要通过启发函数来进行计算得到。
对于我们常见的网格图来说,我们规定只能上下左右来移动的话,那么通常来说都会使用曼哈顿距离来当做启发函数。

什么是曼哈顿距离

根据官方定义,曼哈顿距离——两点在南北方向上的距离加上在东西方向上的距离,即d(i,j)=|xi-xj. |+|yi-yj. 。 对于一个具有正南正北、正东正西方向规则布局的城镇街道,从一点到达另一点的距离正是在南北方向上旅行的距离加上在东西方向上旅行的距离,因此,曼哈顿距离又称为出租车距离
曼哈顿距离
在这里插入图片描述
在这里插入图片描述

function Manhattan(node) =
    dx = abs(node.x - g
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值