人工智能算法有哪些？啓發式算法原理

　　AI算法是一種重要的啓發式算法，主要用於選擇兩點之間的最佳路徑，A的實現也經過評估函數實現
　　F=G + H
　　G表明從這一點到起點的成本
　　H是今後點到終點的曼哈頓距離。
　　F是G和H的和，最佳路徑是選擇最小的F值並進行下一步（更多詳細信息將在後面描述）
　　曼哈頓距離
　　Paste_Image.png
　　上圖中從熊到樹葉的曼哈頓距離是由藍線表示的距離，其中沒有考慮障礙物。若是上圖中每一個框的長度爲1，則此時熊的曼哈頓距離爲9。
　　開始（X1，Y1），結束（X2，Y2），H=| X2-X1 | + | Y2-Y1 |
　　咱們也能夠經過幾何座標點來計算曼哈頓距離，或者以上圖爲例，左下角是（0,0）點，熊的位置是（1,4），樹葉的位置是（7,1），則H=| 7-1 | + | 1-4 |=9。
　　打開，關閉列表
　　以上面的圖片爲例。例如，開始時，熊的位置將被添加到CLOSE列表中，熊可移動的點將被添加到OPEN列表中，熊周圍的八個節點爲F=G + An評估操做（例如H），而後在8個節點中選擇F值最小的節點，而後從OPEN列表中刪除該節點並將其添加到Close列表。從那時起，此節點8周圍的每一個節點都會執行評估操做，而後按順序進行計算。所以，每一個人可能都不太瞭解它。我將在下面詳細解釋。
　　*算法示例
　　Paste_Image.png
　　從頭至尾，咱們使用A-star算法找到最佳路徑
　　Paste_Image.png
　　咱們將每一個正方形的長度定義爲1，則從起點到5位置的成本爲1，從3到1.4的成本爲1.41。定義好以後，咱們來看上圖，而後計算
　　Paste_Image.png
　　第一步，咱們將起點周圍的點添加到「打開」列表中，而後執行評估操做。計算結果如上所示。在這裏，您會看到一個指向起點的小箭頭。此箭頭指向父節點，而且打開列表G值是基於此計算的，這意味着我須要從前一個父節點運行到此點的總成本。若是點不相同，則G值不一樣。通過計算，咱們在上圖中找到了1個點。 F值爲7.41，這是最小的值，所以咱們選擇此點並從OPEN列表中刪除1點，而後將其添加到CLOSE列表中，可是當咱們降低時，咱們發現大約1點，2點和3要點如何應對三個出發點。首先，起點已添加到CLOSE，而且他不須要執行此操做。這是CLOSE列表的做用，咱們還能夠在2和3處對他執行操做。對於點的計算，當咱們從1點移動到2點時，他須要的價格是G值將變爲2.41， H值不會改變。 F=2.41 + 7=9.41。這個算法主要用於智能寫做，咱們發現此值大於原始F值，咱們沒法將其更改（將父節點指向1，並將F值更改成9.41，由於咱們一直在努力使F值最小化），而且相同適用於3分。
若是您有互聯網問題，也能夠諮詢我，謝謝！若是你也想一塊兒學習人工智能，歡迎留言交流。