启发式搜索节点而不是状态？

Question

在阅读有关AI (A*)和启发式的文章时，我遇到了这样的陈述：

Heuristics are sometimes defined for search nodes instead of states,
but this increased generality is rarely useful. (Why?)

谁能解释一下这是什么意思，举个例子，并回答为什么？有问题吗？

Answer 1

在使用启发式算法时，您主要是使对目标状态的搜索不那么耗费。这里的语句依赖于节点和状态之间的差异。

假设你有一个游戏，你可以通过改变一个角色(e.x.sokoban)。https://en.wikipedia.org/wiki/Sokoban

要实现-star，你必须意识到你是在一个图中进行搜索，在这个图中

每个节点都是游戏的一种可能状态。

节点表示状态并保持特定函数f(x)，其中

f(x)= g(x)+h(x)

h(x)是可容许的。在这里，h(x)将给出一个关于目标状态有多远的更好的方法，因为你能够基于目标(例如，)来计算距离。曼哈顿距离).Particularly您可以将曼哈顿距离应用于最近的盒子或最近的目标。

状态中的这组属性定义了启发式成本，从而使搜索不那么耗费精力。如果搜索不是基于特定游戏的状态属性进行的，那么启发式预先是没有用的。