在A*搜索算法中,评价函数可以如下定义( )。
A: 评价函数之值=(从起始节点出发到当前节点最小开销代价)+(从当前节点出发到目标结点最小开销代价)
B: 评价函数之值=(从起始节点出发到当前节点最小开销代价)*(从当前节点出发到目标结点最小开销代价)
C: 评价函数之值=(从起始节点出发到当前节点最小开销代价)/(从当前节点出发到目标结点最小开销代价)
D: 评价函数之值=(从起始节点出发到当前节点最小开销代价)-(从当前节点出发到目标结点最小开销代价)
A: 评价函数之值=(从起始节点出发到当前节点最小开销代价)+(从当前节点出发到目标结点最小开销代价)
B: 评价函数之值=(从起始节点出发到当前节点最小开销代价)*(从当前节点出发到目标结点最小开销代价)
C: 评价函数之值=(从起始节点出发到当前节点最小开销代价)/(从当前节点出发到目标结点最小开销代价)
D: 评价函数之值=(从起始节点出发到当前节点最小开销代价)-(从当前节点出发到目标结点最小开销代价)
举一反三
- 在估计函数f(x)= g(x) + h(x)中,其中代价函数g(x)表示( )。 A: 从初始节点到目标节点的代价 B: 从当前节点到目标节点的代价 C: 从初始节点到当前节点的代价 D: 当前节点所在的深度
- 在启发式搜索中,评价函数的作用是( ) A: 判断搜索算法的空间复杂度 B: 从当前节点出发来选择后续节点 C: 判断搜索算法的时间复杂度 D: 计算从当前节点到目标节点之间的最小代价值
- 在启发式搜索(有信息搜索)中,评价函数的作用是() A: 判断搜索算法的空间复杂度 B: 判断搜索算法的时间复杂度 C: 从当前节点出发来选择后续节点 D: 计算从当前节点到目标节点之间的最小代价值
- 考虑启发式图搜索中的评价函数f(n),其中,n为某个正在被评价的状态,那么,它现在一定是() A: 已搜索得到的路径上的一个状态 B: A算法Open表中的一个节点 C: 从初始状态到目标状态的最小代价路径上的一个节点 D: 从已到达节点出发可达的一个节点
- 在等代价搜索算法中,总是选择 节点进行扩展。 A: 代价最小 B: 深度最小 C: 深度最大 D: 代价最大