我试着用对角线和两点间直线距离的启发式方法写一个星型算法。然而，在这种情况下，路径并不是最短的
去（2，2）—>（3，2）—>（4，2）—>（5，2）会更快，但它选择了切割。
我不知道我的理解有什么问题，因为这就是当我想出来的时候它是如何工作的。
我的理解是：
从（1,1）开始发现（2,2）是最好的
发现（3,3）是最好的，发现（4,3）是最好的，因为你不能偷工减料
找到（5,3）为最佳，但将（5,2）的f值计算为x
无法转到（6,2）并计算f（5,2）作为y>x，因此路径回溯到（4,3）
因为（5,3）不再在开放集合中，所以选择下一个最佳（5,2）
剩下的路是好的，没有回溯，因为没有“死胡同”被满足。
它应该意识到的是f（5,2）小于（4,2），而f（4,2）小于（3,2），因为f（5,2）选择取（3,3）后就再也没有计算过。
这到底是怎么回事？
编辑：水平/垂直阶梯成本为1，对角线阶梯成本为2
最佳答案
多亏亨利在评论中，推理是关闭的，因为（4,3）—>（5,2）的f值会比（2,2）—>（3,2）高，所以它应该下降（3,2）
也就是说，下一个要计算的节点是从已排序的打开节点列表中选择的，而不是一个节点列表，其中的值在输入时进行了排序（而不是添加了已排序列表的堆栈）
关于algorithm - 星型算法最有效的路径，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/41994875/