a*尋路初探
f = g + h
g的計算依賴於來自每個格仔與相鄰8個方向格仔的距離d，文中不同格仔的d1-8相同。
如果s到v的最短路徑g是準確的，那麼最終獲得的最短路徑就是準確的，因為終點的g就是所求的最短路徑。
任何情況第一和第二個加入關閉列表的g都是準確的，即其v到s的最短路徑是最優解。第三個開始才有可能g為可行解。
點v加入關閉列表：起點s到點v的最短路徑（既定規則下的可行解中最短的）已確定。
點v加入開放列表：起點s到點v的距離計算過了，但最短路徑未確定。
a*採用容器堆，採用啟發式，把估值出來經過此點起點到終點（h）可能最短的彈出來，遍歷其周圍的格仔，而後加入堆。
最小消耗採用容器堆，把到起點最短（g）的格子彈出來，遍歷其周圍的格仔而後加入堆。最小消耗是a*的特化，h估為0，g最短就是f最短。
廣搜採用優先佇列，把佇列頭彈出來，遍歷其周圍的格仔而後加入佇列。廣搜是最小消耗的特化，格仔周圍8方向估值距離都相同時，用優先佇列代替堆，因為佇列頭就是到起點最短的。
加入容器就是加入了開發列表，彈出來的就是加入關閉列表的。
廣搜也不是最優解，找到路徑中，只是終點周圍8個格仔中到起點最短的v，而不是終點e到起點s最短的。因為v到e的距離可能很長。
1.因為h是估計的，不同的估計方法所得到的路徑都是不一樣的。所以導致a*演算法找到的最短路徑肯定只是可行解而不是最優解。
2.假定每個格仔給出的h是準確的，是否就是最優解呢？
還不一定是，假如不同格仔的d1-8不同，g還是有問題的。
假入目前在尋找上圖的第3個關閉點v。
a*是確定了s右下的點v，gv=14。如果左側的格仔vl到v的距離為1而不是10，則通過vl到v的距離為gv=11。比a*演算法得到的要短。
3.假如h準確，且不同格仔的d1-8相同，也就是文中設定的情況。那麼通過a*演算法每次加入關閉列表的v，是否就是準確的最短g？
這種情況我尚未找到證明其g是否最短的方法，如果不是最短應該需要通過反證法證明。
k means聚類演算法與區域性最優解
1.1 無監督學習 本章演算法區別於之前的機器學習演算法，因為k means演算法屬於無監督演算法。監督學習的意思是所給的訓練資料都帶有標籤，如類別等，我們在訓練演算法時，要考慮 的結果是否擬合了訓練資料中的標籤，即好像受其監督一樣，而無監督學習與監督學習的區別就在此，無監督學習的資料沒有標籤，沒有...
最優解問題的求解
1.一般來說題目中需要求解出最優解的問題，我們是可以使用普通遞迴，遞推，深度優先搜尋，記憶型的遞迴，貪心或者動態規劃來進行求解的 其中使用普通的遞迴或者深搜，遞推這些資料量較小的情況下求解速度還行，假如資料量相對大一點的情況下，而且節點的數量比較多，這個時候使用這些方法來解決往往會耗時比較大，有時候...
演算法與資料結構最優解例項總結
1.棧與佇列 1.1 貓狗佇列 新增佇列物件 class petenterqueue count 為時間戳 class dogcatqueue 1.2 漢諾塔 process num,lef,middle,right,from,to 4.2 最小路徑 new 乙個 d i j min d i 1 j...