我已经在互联网上查看了问题的实现，我有一个问题：每当你添加一个节点时，你需要在打开的列表中搜索它（为什么它不足以在封闭列表中搜索它？） ？为什么要搜索它以查看是否可以最小化成本，因为您总是在打开列表中生成最小得分节点的邻居？开放列表中具有较旧父节点的节点的成本是否比同一节点小，但具有较新的父节点？
答案 0 :(得分：8)
我将从一个简短的，与问题相关的最佳搜索背景开始，然后我将专门解决您的两个问题（希望到那时，他们已经得到了解答）。
此搜索以使用特殊评估函数而着称，该函数估计到目标节点的距离（估计“你离目标节点有多远？”）。此功能称为“启发式”。例如，一个非常简单直观的导航问题启发式（从城市A到城市B的最短路径）将使用欧几里德距离的启发式，这是最短路径（就好像两个城市直接连接在一条道路上） ）。此功能具有允许的重要属性，因为它是该距离的较低估计值。这对于Best First Search能够找到最佳解决方案的证据至关重要。
鉴于这样的启发式函数，该算法现在按其成本（启发式函数）对所有发现的节点进行优先级排序。这是使用优先级队列完成的。 实际上，您可以使用精确的BFS算法实现最佳优先搜索，只需使用优先级队列切换BFS的队列。此算法有时称为 Informed Search ，因为它有一些世界先验知识（通过启发式函数表示），它用它来指导搜索（通过搜索节点用启发式值表示）。
您经常可以听到搜索算法中的“扩展”操作。在大型域中，搜索实例太大而无法在内存中填充，这个概念至关重要。但是，这个想法也可以抽象地应用于小域，而无需任何额外的成本。这里的想法是每个节点都有一个运算符Expand，一旦被调用，就会返回（在大域中：创建并返回）所有邻居节点的列表。通过Expand操作到达的节点通常称为生成。
Best First Search在搜索过程中维护两个列表：打开列表和已关闭列表。
打开列表是所有生成的节点的集合。这意味着那些节点是扩展节点的邻居。如上所述，打开列表通常被实现为优先级队列，因此搜索可以简单地将嵌套最佳节点出列。
已关闭的列表是所有展开节点的集合。这意味着那些已经被“搜索”的节点。这可以防止搜索一次又一次地访问节点。旁注：在大域中，封闭列表不能适合所有节点，因此必须巧妙地实现封闭列表。例如，可以使用Bloom Filter来减少所需的内存。
<强> 1。 “为什么仅在封闭列表中搜索它是不够的？”
我希望你已经理解了这个问题的答案。关闭列表开始为空，在搜索过程中，扩展节点被推入其中。这些节点不是目标节点。而是已经遍历的“访问过的”节点。
<强> 2。 “你为什么要搜索它，看看你是否可以最小化成本，因为你总是在开放列表中生成最小得分节点的邻居？”
如上所述，可接受的启发式只承诺低估到达目标节点的实际成本。这意味着每次简单的最小化并不能保证找到最便宜/最短的路径。然而，该算法的一个巨大好处是，一旦找到路径，它就可以“截断”/“修剪”昂贵的路径。例如，找到了成本100的路径。我们仍然不知道它是否是最佳路径。我们需要继续搜索图形，但现在我们可以修剪任何路径，离开一个启发值为100或更大的节点，因为我们已经找到了类似或更便宜的路径。 请注意，这样我们就可以完成搜索，而无需搜索所有图表。