爬坡的适当启发机制

Question

以下问题是我从人工智能课程中发现的一项考试练习。

＆＃34;建议一种启发式机制，使用Hill-Climbing算法解决此问题。 （S =起点，F =终点/目标）。不允许对角线移动。＆＃34;

很明显，曼哈顿距离或欧几里德距离将在（3,4）发送机器人并且不允许回溯，这个问题的可能解决方案（启发式机制）是什么？

编辑：为了使问题更加清晰，我在电路板上标记了曼哈顿的一些距离：

很明显，使用曼哈顿距离，机器人的下一步移动将在（3,4），因为它具有2的启发值 - 慧聪将选择它并永远陷入困境。目标是通过寻找合适的启发式算法来尝试并且永远不会走这条路。

Answer 1

我认为障碍物很热，而且热量上升。我将单元格的净成本计算为曼哈顿度量距离与F的总和加上热量罚分。因此，有一种吸引力将机器人拉向F，以及一种驱使它远离障碍物的排斥力。

有两种类型的热惩罚：

1）触摸障碍物是非常糟糕的。查看给定单元格正下方行中相邻单元格的2或3个单元格。对于直接位于给定单元下方的每个阻塞单元添加15，对于直接位于

下方的每个对角邻居添加10

2）对于不直接接触说明书的细胞 - 热量更加分散。我将其计算为其列和相邻列中单元格下方平均阻塞块数的6倍。

以下显示了组合这一切的结果，以及从S到F的路径：

关键是平均值导致机器人在撞到顶行时向左转而不是向右转。朝向左侧的未加热柱使冷却器方向变冷。有趣的是要注意所有单元格（可能除了右上角的两个单元格）是如何通过这种启发式绘制到F中的。