对于欧几里得最短路径问题，有没有人对A-star搜索和更一般的整数规划公式之间的联系有很好的参考？
特别是我对如何修改A-star以应对其他（可能是路径相关的）约束感兴趣，如果使用通用LP / IP求解器来解决像这样的约束最短路径问题是有意义的或者，如果需要更专业的东西来达到A-star和良好启发式所获得的相同类型的性能。
不怕数学，但我发现的更复杂的最短路径问题的大多数参考文献并不十分明确它们与启发式引导算法如A *的关系（也许是因为'A *'很难谷歌...）
答案 0 :(得分：2)
您可能希望研究约束优化，特别是软弧一致性，约束满足，特别是弧一致性，或其他类型的一致性，如i-consistency。以下是关于约束优化的一些参考：
[1] Thomas Schiex。软约束处理。 http://www.inra.fr/mia/T/schiex/Export/Ecole.pdf
[2] Dechter，Rina。 Constraint Processing，第1版。 Morgan Kaufmann，旧金山，CA 94104-3205,2003。
[3] Kask，K。和Dechter，R。Mini-Bucket Heuristics for Improved Search。在Proc。 UAI-1999（旧金山，加利福尼亚州，1999年），Morgan Kaufmann，第314-323页。
[3]可能特别有趣，因为它涉及将A *与您似乎感兴趣的类型的启发式相结合。
我不确定这对你有帮助吗？以下是我如何理解它可能：
约束优化是SAT向优化和具有两个以上值的变量的推广。一组软约束（即部分成本函数）和一组离散变量定义了您的问题。通常，分支定界算法用于遍历此问题所暗示的搜索树。软弧一致性是指一组启发式算法，它使用局部软约束来计算从当前位置到该搜索树中目标节点的近似距离。这些启发式算法用于分支定界搜索，就像在A *搜索中使用启发式算法一样。
分支和边界与树木上的A *相关，就像深度优先搜索与广度优先搜索相关。因此，除了在这种情况下使用类似DFS的算法（分支定界）并且它是树而不是图形的事实之外，它看起来像（软）-arc一致性或其他类型的一致性是你在找什么。
不幸的是，虽然你原则上可以使用A *来代替分支定界，但目前尚不清楚（据我所知）你通常可以将A *与软弧一致性结合起来。从树到图表可能会使事情变得更复杂，但我不知道。
所以，没有最终答案，只有一些东西可以作为首发，可能:)。