def astar(initial: T, goal_test: Callable[[T], bool], successors: Callable[[T], List[T]], heuristic: Callable[[T], float]) -> Optional[Node[T]]: frontier: PriorityQueue[Node[T]] = PriorityQueue() frontier.push(Node(initial, None, 0.0, heuristic(initial))) explored: Dict[T, float] = {initial: 0.0} while not frontier.empty: current_node: Node[T] = frontier.pop() current_state: T = current_node.state if goal_test(current_state): return current_node for child in successors(current_state): new_cost: float = current_node.cost + 1 if child not in explored or explored[child] > new_cost: explored[child] = new_cost frontier.push(Node(child, current_node, new_cost, heuristic(child))) return None这段代码每行什么意思帮我加上注释

# 定义 astar 函数
def astar(initial: T, goal_test: Callable[[T], bool], successors: Callable[[T], List[T]], heuristic: Callable[[T], float]) -> Optional[Node[T]]:
    
    # 创建一个优先队列，用于存储节点
    frontier: PriorityQueue[Node[T]] = PriorityQueue()
    
    # 将初始节点加入队列
    frontier.push(Node(initial, None, 0.0, heuristic(initial)))
    
    # 创建一个字典，用于存储已经探索过的节点
    explored: Dict[T, float] = {initial: 0.0}
    
    # 当队列不为空时，循环执行以下操作
    while not frontier.empty:
        
        # 取出队列中最高优先级（最小代价）的节点
        current_node: Node[T] = frontier.pop()
        
        # 获取当前节点的状态
        current_state: T = current_node.state
        
        # 如果当前状态是目标状态，直接返回当前节点
        if goal_test(current_state):
            return current_node
        
        # 遍历当前节点的所有子节点
        for child in successors(current_state):
            
            # 计算到达子节点的代价
            new_cost: float = current_node.cost + 1
            
            # 如果子节点还没有被探索过，或者到达该子节点的代价更小，就将该子节点加入队列
            if child not in explored or explored[child] > new_cost:
                explored[child] = new_cost
                frontier.push(Node(child, current_node, new_cost, heuristic(child)))
    
    # 如果队列为空，说明没有找到目标状态，返回 None
    return None

这段代码实现了 A* 算法，用于搜索从初始状态到目标状态的最短路径。函数的参数包括：

- `initial`: 初始状态
- `goal_test`: 判断当前状态是否是目标状态的函数
- `successors`: 生成当前状态的所有子状态的函数
- `heuristic`: 估价函数，用于估算从当前状态到目标状态的最小代价

函数的返回值是一条最短路径上的节点链表，每个节点包含了当前状态、到达该状态的代价、父节点以及从初始状态到该状态的总代价。