a*演算法，a*（a-star)演算法是一種靜態路網中求解最短路徑最有效的直接搜尋方法，也是解決許多搜尋問題的有效演算法。演算法中的距離估算值與實際值越接近，最終搜尋速度越快。
別稱：啟發式搜尋
表示式: f(n
)=g(
n)+h
(n
)f(n)=g(n)+h(n)
f(n)=g
(n)+
h(n)
公式表示為： f(n
)=g(
n)+h
(n
)f(n)=g(n)+h(n)
f(n)=g
(n)+
h(n)
其中， f(n
)f(n)
f(n)
是從初始狀態經由狀態 n
nn 到目標狀態的代價估計，
g (n
)g(n)
g(n)
是在狀態空間中從初始狀態到狀態 n
nn 的實際代價，
h (n
)h(n)
h(n)
是從狀態n到目標狀態的最佳路徑的估計代價。
（對於路徑搜尋問題，狀態就是圖中的節點，代價就是距離）
h (n
)h(n)
h(n)
的選取保證找到最短路徑（最優解的）條件，關鍵在於估價函式 f(n
)f(n)
f(n)
的選取（或者說 h(n
)h(n)
h(n)
的選取）。
我們以 d(n
)d(n)
d(n)
表達狀態 n
nn 到目標狀態的距離，那麼 h(n
)h(n)
h(n)
的選取大致有如下三種情況：
該演算法在最短路徑搜尋演算法中分類為：
直接搜尋演算法：直接在實際地圖上進行搜尋，不經過任何預處理；
啟發式演算法：通過啟發函式引導演算法的搜尋方向；
靜態圖搜尋演算法：被搜尋的圖的權值不隨時間變化（後被證明同樣可以適用於動態圖的搜尋。
啟發式搜尋
啟發式搜尋 heuristically search 又稱為有資訊搜尋 informed search 它是利用問題擁有的啟發資訊來引導搜尋，達到減少搜尋範圍 降低問題複雜度的目的，這種利用啟發資訊的搜尋過程稱為啟發式搜尋。例題 八數碼問題 運用優先佇列，根據目前已經確定的位置算出目前的價值，並匯入...
啟發式搜尋
啟發式搜尋 啟發式搜尋就是在狀態空間中的搜尋對每乙個搜尋的位置進行評估，得到最好的位置，再從這個位置進行搜尋直到目標。這樣可以省略大量無謂的搜尋路徑，提高了效率。在啟發式搜尋中，對位置的估價是十分重要的。採用了不同的估價可以有不同的效果。在啟發式搜尋中，我們每次找到當前 最有希望是最短路徑 的狀態進...
演算法初探 啟發式搜尋
2020.07.21 11 40 2020.08.30 16 55 a problem 如果讓你在這麼乙個方格圖中尋找最短路徑，你會怎麼做？student a 我會廣度優先演算法！student b 最優 我會貪心走過去！上面是最簡單的狀況，如果有障礙物呢？注 綠色格仔不可通過 student a ...