A* 启发式搜索，我正在尝试确定启发式
A* Search with heuristics, I am trying to determine the heuristics
我有一个搜索图 v1-v30，V=顶点（节点），我在道路网络旅行商问题上使用顶点之间的时间（以分钟为单位）。
如何确定这些顶点之间的试探法？
我已经起草了一个启发式 table 假设（有根据的猜测）在节点之间花费的时间。
例如：从 v1-v2 我有 20 分钟的时间从 google 地图获取我正在使用的位置。然后我根据纯粹的观察和有根据的猜测使用了 30 分钟的启发式 h(n) 值。
我按照我的方式假设启发式方法是否走在正确的道路上？
还有 A* 是如何处理死角的？
A* 可以很好地处理死胡同。不过，我认为您不应该将该策略用于您的启发式方法。如果你错了（如果由于某种原因你高估了所需的时间），你的 A* 不能保证找到最佳路径。如果您使用的是 Google 地图，则可以使用地图标记
的 lat/long 值从起点到终点的直线距离
关于死胡同，由于 A* 对它猜测需要很长时间才能完成的任何状态给予较低的优先级，具有 current_node = v22 和 prev_node = v20 的状态将具有较低的优先级优先于从未走那条路到死胡同的国家。通过这种方式，A* 算法将优雅地忽略这些死胡同状态。所以你甚至不需要担心自己手动递归备份路径。
我有一个搜索图 v1-v30，V=顶点（节点），我在道路网络旅行商问题上使用顶点之间的时间（以分钟为单位）。
如何确定这些顶点之间的试探法？
我已经起草了一个启发式 table 假设（有根据的猜测）在节点之间花费的时间。
例如：从 v1-v2 我有 20 分钟的时间从 google 地图获取我正在使用的位置。然后我根据纯粹的观察和有根据的猜测使用了 30 分钟的启发式 h(n) 值。
我按照我的方式假设启发式方法是否走在正确的道路上？
还有 A* 是如何处理死角的？
A* 可以很好地处理死胡同。不过，我认为您不应该将该策略用于您的启发式方法。如果你错了（如果由于某种原因你高估了所需的时间），你的 A* 不能保证找到最佳路径。如果您使用的是 Google 地图，则可以使用地图标记
的 lat/long 值从起点到终点的直线距离关于死胡同，由于 A* 对它猜测需要很长时间才能完成的任何状态给予较低的优先级，具有 current_node = v22 和 prev_node = v20 的状态将具有较低的优先级优先于从未走那条路到死胡同的国家。通过这种方式，A* 算法将优雅地忽略这些死胡同状态。所以你甚至不需要担心自己手动递归备份路径。