与人类过程相比，常见的探路算法如何

Question

这可能与计算认知科学相吻合，但我很好奇该过程如何使用常见的探路算法（例如 一个*）与人类在不同的探路情况下使用的过程（给定相同的信息）相比。这些过程相似吗？

Answer 1

人类倾向于选择绝对最佳，而是接近最短的解决方案。因此，您需要查看模糊（近似）算法，而不是*。

我知道的最接近人类思维算法是 辩论层次结构 与 抵达 修剪算法。当我需要在地图上找到A和B之间的路径时，我会快速概述，考虑到是否有穿越河或其他东西，并寻找一些一般的方式，然后添加可能缩短路径的细节。

Answer 2

在这里，您是许多考虑因素。前两个取自 精彩的 Andreas Junghanns博士学位（现在回到德国柏林的行业，很乐意在我的朋友中算出他:)）：）

广度优先搜索: ：如果您只是站在家具前，而有价值的东西（例如硬币或戒指）就会掉落在家具下面，以免看到它，那么从看到的点开始，您的手稍微挥动了物体消失。如果您没有找到它，您会走得更远，然后以此方式继续前进，直到找到它或放松耐心为止。那恰恰是 广度优先搜索 在行动中：首先，您考虑深度1处的所有未知位置，然后在深度2处等等。

深度优先搜索: ：在寻找位于周围环境的东西时，您永远不会选择上述算法，而是要朝着方向发展。一个例子是克里斯托瓦尔结肠在寻求通往印第安人的路线时致力于西方。好吧，他错了，但我们知道如今。想象一下Colon尝试进行广度的搜索，并沿着Burgos的螺旋形移动，在那里签署了ReyesCatólicos和Colon之间的合同。取而代之的是，他指出了一个给定的方向而没有回溯。

我大学的一位教授（何塞·库纳（JoséCuena）已经去世）的另一个例子。 双向搜索: ：工程师，当在山上建造隧道时，同时从两端开始，当它们在中间的某个地方相遇时结束。原因很简单，如果它们只是从一端开始，很可能在另一端会有巨大的偏差。从两端开始，同时可以最大程度地减少聚会点的偏差。

现在，即使在$^*$的情况下，我也让我回想起我对学生的相同考虑：

• 这 开放列表 只是等待考虑的开放可能性清单。所有人都这样做，尽管我们不如记住事物的计算机那么好。
• 这 封闭列表 只是从我们之前已经考虑的地点避免循环推理或继续推理。如果您以大声的声音推理并重复一些事情，就会发生这种情况。然后，有人会意识到并立即告诉你：“嘿，你已经说过了”

其他人以某种方式解决的一个非常有趣的问题是，人类是否可以运行任何算法，并且（从我的角度来看，更有趣的是）这些算法是否（或通常是我们建立人工智能的方式）是否模仿我们的自然智能程序。

Answer 3

您是否看过一个孩子学习浏览房间的孩子？您必须告诉他们，“围绕桌子。 大约".

人类的路径计划是一袋启发式方法，有些天生和一些学到的东西。 LookAhead可能固定在少数数字上，当然不是像**这样的一般递归。