路径规划 -> 从目标到初始状态的方法？
path planning -> ways from goal to initial state?
问题：寻找从目标到起点的路径是否比寻找从起点到目标的路径更有效？
如果这是真的，有人能帮我解释一下为什么吗？
我的看法：
它不应该有所不同，因为找到从目标到开始的方法就像将目标重命名为开始和开始到目标。
您问题的答案完全取决于您使用的寻路算法。
最广为人知的寻路算法之一，A-Star（或 A*），通常用于相反的意义上。这一切都与启发式有关。由于我们通常使用接近度作为算法的启发式算法，因此我们可能会陷入障碍。然而，这些障碍可能更容易以相反的方式面对。可以找到带有示例的很好的解释 here。只是为了清楚起见：如果没有关于障碍物的特定知识，那么 A* 的前向和后向路径查找之间就没有可预测的差异。
您可能想要反转寻路的另一个原因是，如果您有多个参与者试图达到相同的目标。不必为每个参与者执行 A* 或其他路径查找算法，您可以将它们组合到图探索路径查找算法的单个执行中。例如，Dijkstra 算法的一种变体可以在一次图形探索中找到到所有参与者的所有最短距离。
问题：寻找从目标到起点的路径是否比寻找从起点到目标的路径更有效？ 如果这是真的，有人能帮我解释一下为什么吗？
我的看法： 它不应该有所不同，因为找到从目标到开始的方法就像将目标重命名为开始和开始到目标。
您问题的答案完全取决于您使用的寻路算法。
最广为人知的寻路算法之一，A-Star（或 A*），通常用于相反的意义上。这一切都与启发式有关。由于我们通常使用接近度作为算法的启发式算法，因此我们可能会陷入障碍。然而，这些障碍可能更容易以相反的方式面对。可以找到带有示例的很好的解释 here。只是为了清楚起见：如果没有关于障碍物的特定知识，那么 A* 的前向和后向路径查找之间就没有可预测的差异。
您可能想要反转寻路的另一个原因是，如果您有多个参与者试图达到相同的目标。不必为每个参与者执行 A* 或其他路径查找算法，您可以将它们组合到图探索路径查找算法的单个执行中。例如，Dijkstra 算法的一种变体可以在一次图形探索中找到到所有参与者的所有最短距离。