常见寻路算法与人工过程相比如何

这可能与计算认知科学有关，但是我对通用寻路算法（例如A *）所遵循的过程与人类在不同寻路情况下（给定相同信息）所使用的过程的比较感到好奇。这些过程是否相似？

人们倾向于选择并非严格地最优，而是选择最短的解决方案。因此，您需要查看模糊（近似）算法，而不是A *。

我所知道的最接近人类思维的算法是与Reach修剪算法相当的Contaction层次结构。当我需要在地图上找到A和B之间的路径时，我会做一个快速概述，考虑是否有过河或其他东西，并寻找一些通用的方法，然后添加可以缩短路径的细节。

这里有很多注意事项。前两个摘录自Andreas Junghanns 出色的博士学位（现在回到德国柏林的工业界，很高兴将他列入我的朋友们之中:)）：

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）掉落并进入家具下方，以致您看不到它，那么您会从家具的开始略微摇动手看到物体消失的地方。如果找不到它，您可以走得更远，然后继续进行下去，直到找到它或失去耐心为止。这实际上是广度优先的搜索：首先，您考虑深度1处的所有未知位置，然后考虑深度2处，依此类推。

深度优先搜索：当寻找周围环境较远的东西时，您永远不会选择上述算法，而是会选择一个方向。一个例子是克里斯托瓦尔·科隆（Cristobal Colon）在寻求前往印第安人的路线时承诺向西走。好吧，他错了，但如今我们知道了。想象一下，科隆尝试进行广度优先的搜索，并沿着布尔戈斯的螺旋形运动，那里签署了雷耶斯·卡托利科斯和科隆之间的合同。相反，他指出了给定的方向，从未回溯。

我大学的一位教授（已去世的JoséCuena）的另一个例子是双向搜索：工程师在山区建造隧道时，是从两端同时开始，而在中间相遇时结束。原因很简单，如果它们仅从一端开始，则另一端很可能会有很大的偏差。从两端同时开始，可以最大程度地减小汇合点的偏差。

$^*$

• 在开放列表仅仅是开放的可能性等待要考虑名单。尽管我们不如计算机记住事物，但所有人都可以做到这一点。
• 在封闭列表只是用来避免从一个点，我们之前已经考虑循环论证或继续推理。如果您大声推理并且重复某件事，就会发生这种情况。然后，有人会意识到并立即告诉您“嘿，您之前已经说过”

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，以及（从我的观点来看，更有趣的是）这些算法（或者，通常来说，我们构建人工智能的方式）是否模仿了我们的自然智能程序。

您是否看过一个孩子学习在房间里导航？你要告诉他们，“顺着桌子。AROUND ”。

人的路径规划是启发式的抓包，有些是先天的，有些是博学的。前瞻可能固定为少量，当然不是像A *这样的一般递归。