Wiki说，启发式函数是估计当前节点到目标节点的距离。
但此代码中没有函数heuristic_cost_estimate的说明：link to wikiperida
AM我是对的？... 例如，我有3个顶点的图形。我必须从每个顶点到目标顶点有3个启发式，我设置了顶点设置？
矩阵（重量）：
0 5 2
1 0 3
1 2 0
每个顶点的启发式函数（值表示从当前顶点到目标的启发式成本，例如从2到目标的成本将为3）：
5 3 4
这是奇怪的假设，不是吗？我不知道顶点会是什么目标。如何在此步骤中设置启发式功能？
OR？... 我有3个顶点和9个启发式。
图表矩阵：
0 5 2
1 0 3
1 2 0
启发式费用：
0 5 10
5 0 10
3 8 0
这意味着这一点。如果3是目标，则从1到目标的启发式成本将为3.如果2是目标，则从1到2（目标）的成本将为5。
或者我不对吗？
在我的情况下什么是启发式函数（在图表上找到最佳路径）？
答案 0 :(得分：2)
启发式函数是一个函数 h:V->R ，其中V是您的顶点，R是实数。换句话说 - 启发式函数为每个顶点提供一个值 - 估计它与它的接近程度＆＃39;到目标。
不能总是使用启发式功能，您需要在图表上提供一些信息才能使用它们。
例如，如果要解决迷宫，则矩阵中的每个单元格（不是墙）都是顶点，相邻单元格之间的可能移动表示边缘。
在这个例子中 - 启发式函数可以是manhattan distances - 在给定目标单元t的情况下 - 启发式是h(v) = |t.x - v.x| + |t.y - v.y|。
如果你不知道你的目标有多接近 - 你不能使用任何启发式功能，你没有信息。 （事实上，你可以使用的唯一启发式方法是非信息性的，h(v) = 0每个v - 但这是毫无意义的。）
另请注意，为了使A *在您的启发式函数中最佳（让它为h），您需要它是可接受的 - 这意味着对于每个顶点v：{{ 1}}，其中h(v) <= d(v,target)是从d(v,target)到目标的实际距离。
请注意，例如曼哈顿距离启发式迷宫是可以接受的。
希望能解决你的困惑。