以下问题是我从人工智能课程中找到的一个考试练习。
“建议使用爬山算法解决这个问题的启发式机制。（S=起点，F=终点/目标）。不允许对角线移动。”
由于很明显曼哈顿距离或欧几里得距离将在 (3,4) 处发送机器人，并且不允许回溯，那么这个问题的可能解决方案（启发式机制）是什么？
编辑：为了使问题更清楚，我在板上标记了一些曼哈顿距离：
很明显，使用曼哈顿距离，机器人的下一步移动将在 (3,4)，因为它的启发式值为 2 - HC 将选择它并永远卡住。目标是通过找到适当的启发式算法来尝试并且永远不要走这条路。
我认为障碍物很热，然后热量上升。我将单元格的净成本设为到 F 的曼哈顿度量距离之和加上热惩罚。因此，存在将机器人拉向 F 的吸引力以及迫使其远离障碍物的排斥力。
高温处罚有两种：
1）触摸障碍物是非常糟糕的。查看给定单元格正下方的行中的 2 个或 3 个单元格相邻单元格。为给定单元正下方的每个障碍单元添加 15，为直接下方的每个对角邻居添加 10
2) 对于不直接接触说明书的电池——热量更分散。我将其计算为单元格下方的平均障碍块数的 6 倍，无论是在其列中还是在其相邻列中。
下面显示了将这一切结合起来的结果，以及从 S 到 F 的路径：
一个关键点是平均导致机器人在碰到顶行时左转而不是右转的方式。向左的未加热柱使该方向较冷。有趣的是，所有单元格（可能除了右上角的两个单元格）都被此启发式吸引到 F。