gpt4 book ai didi

algorithm - 当没有节点坐标可用时的 A* 启发式

转载 作者:塔克拉玛干 更新时间:2023-11-03 03:14:25 28 4
gpt4 key购买 nike

场景:

Suppose I have a large pseudorandom graph complete with edge weights, but without any coordinate information associated with the nodes. In addition, there are N waypoints evenly distributed around the graph, containing precomputed shortest path information from each waypoint to every other node.

目标:

Find the shortest path between a random source and target node.

从我以前使用 A* 解决的问题以及我读过的关于该主题的论文来看,启发式算法似乎通常依赖于欧几里得度量来计算良好的距离近似值,例如一条直线。

因此我的问题是:是否有任何好的启发式可以帮助我解决上述情况,或者我是否被迫依赖纯 Dijkstra 算法(结合预先计算的路点节点)?

任何想法或意见将不胜感激。

编辑

感谢所有提供帮助的人,利用三角不等式成功了。最近的路点计算非常昂贵,因此与纯 Dijkstra 相比平均运行时间要高得多,但这在这个时间点上真的不重要。

以下是探索节点数量的概述(每种图形类型的随机源/目标): number of explored nodes vs. graph type

第一种图类型(1)由大约200个节点250条边组成,而最后一种图类型(40 ) 由大约8000 个节点10000 个边 组成(类型越高意味着图越大)。

最佳答案

对于从 A 到 B 的最短路径的长度,我们需要一个乐观的启发式方法。

找到离 A 最近的航路点。称之为 W。

那么 max { d(W,B) - d(W,A), 0 } 是从 A 到 B 的最短路径长度的下界。

Proof:

By the triangle inequality we have d(W,B) ≤ d(W,A) + d(A,B).

Thus d(A,B) ≥ d(W,B) - d(W,A).

您也可以对称地应用这个想法以获得更好的边界。也就是说,找到距离 A 最近的航路点 WA 和距离 B 最近的航路点 WB 然后你的下界是

max { d(WA,B) - d(WA,A), d(WB,A) - d(WB,B), 0 }

这种启发式算法的优点在于,它会随着航路点密度的增加而明显改善。

关于algorithm - 当没有节点坐标可用时的 A* 启发式,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/22568488/

28 4 0
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com