A* 代价函数和启发函数

在A*算法中，代价函数是用来衡量从起点到当前节点的实际代价，启发函数则是用来估计从当前节点到终点的最小代价。代价函数和启发函数的具体实现方式可以根据具体问题来确定。

常见的代价函数有：

1. 直线距离：即两点之间的欧氏距离。在二维平面上，两点之间的直线距离可以用勾股定理计算。

2. 曼哈顿距离：即两点在网格状的地图上的距离之和。在二维平面上，两点之间的曼哈顿距离可以用横纵坐标差的绝对值之和计算。

常见的启发函数有：

1. 直线距离估价函数：即当前节点到终点的直线距离。由于直线距离是最短距离，因此直线距离估价函数是一种比较准确的启发函数。

2. 曼哈顿距离估价函数：即当前节点到终点的曼哈顿距离。在网格状的地图上，曼哈顿距离估价函数可以比直线距离估价函数更准确。

总之，代价函数和启发函数的目的都是为了让A*算法能够快速找到最优解。