人工智能算法有哪些？啟發式算法原理

　　AI算法是一種重要的啟發式算法，主要用於選擇兩點之間的最佳路徑，A的實現也通過評估函數實現
　　F=G + H
　　G代表從這一點到起點的成本
　　H是從此點到終點的曼哈頓距離。
　　F是G和H的和，最佳路徑是選擇最小的F值並進行下一步（更多詳細信息將在后面描述）
　　曼哈頓距離
　　Paste_Image.png
　　上圖中從熊到樹葉的曼哈頓距離是由藍線表示的距離，其中沒有考慮障礙物。如果上圖中每個框的長度為1，則此時熊的曼哈頓距離為9。
　　開始（X1，Y1），結束（X2，Y2），H=| X2-X1 | + | Y2-Y1 |
　　我們也可以通過幾何坐標點來計算曼哈頓距離，或者以上圖為例，左下角是（0,0）點，熊的位置是（1,4），樹葉的位置是（7,1），則H=| 7-1 | + | 1-4 |=9。
　　打開，關閉列表
　　以上面的圖片為例。例如，開始時，熊的位置將被添加到CLOSE列表中，熊可移動的點將被添加到OPEN列表中，熊周圍的八個節點為F=G + An評估操作（例如H），然后在8個節點中選擇F值最小的節點，然后從OPEN列表中刪除該節點並將其添加到Close列表。從那時起，此節點8周圍的每個節點都會執行評估操作，然后按順序進行計算。因此，每個人可能都不太了解它。我將在下面詳細解釋。
　　*算法示例
　　Paste_Image.png
　　從頭到尾，我們使用A-star算法找到最佳路徑
　　Paste_Image.png
　　我們將每個正方形的長度定義為1，則從起點到5位置的成本為1，從3到1.4的成本為1.41。定義好之后，我們來看上圖，然后計算
　　Paste_Image.png
　　第一步，我們將起點周圍的點添加到“打開”列表中，然后執行評估操作。計算結果如上所示。在這里，您會看到一個指向起點的小箭頭。此箭頭指向父節點，並且打開列表G值是基於此計算的，這意味着我需要從前一個父節點運行到此點的總成本。如果點不相同，則G值不同。經過計算，我們在上圖中找到了1個點。 F值為7.41，這是最小的值，因此我們選擇此點並從OPEN列表中刪除1點，然后將其添加到CLOSE列表中，但是當我們下降時，我們發現大約1點，2點和3要點如何應對三個出發點。首先，起點已添加到CLOSE，並且他不需要執行此操作。這是CLOSE列表的作用，我們還可以在2和3處對他執行操作。對於點的計算，當我們從1點移動到2點時，他需要的價格是G值將變為2.41， H值不會改變。 F=2.41 + 7=9.41。這個算法主要用於智能寫作，我們發現此值大於原始F值，我們無法將其更改（將父節點指向1，並將F值更改為9.41，因為我們一直在努力使F值最小化），並且相同適用於3分。
如果您有互聯網問題，也可以咨詢我，謝謝！如果你也想一起學習人工智能，歡迎留言交流。