本篇将会结合实例解析启发式搜索，帮助大家更好理解。
启发式搜索（英文：heuristicsearch）是一种改进的搜索算法。它在普通搜索算法的基础上引入了启发式函数，该函数的作用是基于已有的信息对搜索的每一个分支选择都做估价，进而选择分支。简单来说，启发式搜索就是对取和不取都做分析，从中选取更优解或删去无效解。
（1）贪婪最佳优先
在Dijkstra算法中，我已经发现了其最终要的缺陷，搜索存在盲目性。在这里，我们只针对这个痛点，采用贪婪最佳优先搜索来解决。如何解决？我们只需稍微改变下观念即可，在Dijkstra算法中，优先队列采用的是，每个顶点到起始顶点的预估值来进行排序。在贪婪最佳优先搜索采用的是，每个顶点到目标顶点的预估值来进行排序。
两者的搜索过程对比如下动图所示：
明显看到右边的算法（贪婪最佳优先搜索）寻找速度要快于左侧，虽然它的路径不是最优和最短的，但障碍物最少的时候，他的速度却足够的快。这就是贪心算法的优势，基于目标去搜索，而不是完全搜索。
（2）Astar算法
我们找到了最短路径和搜索顶点最少数量的两种方案，Dijkstra算法和贪婪最佳优先搜索。接下来能否汲取两者的有点选择既速度快又能得到最优解的算法？
Astar算法正是这么做了，它吸取了Dijkstra算法中的当前代价，为每个边长设置权值，不停的计算每个顶点到起始顶点的距离，以获得最短路线，同时也汲取贪婪最佳优先搜索算法中不断向目标前进优势，并持续计算每个顶点到目标顶点的距离，以引导搜索队列不断想目标逼近，从而搜索更少的顶点，保持寻路的最优解。Astar算法在运算过程中，每次从优先队列中选取f(n)值最小（优先级最高）的节点作为下一个待遍历的节点。Astar算法使用两个集合来表示待遍历的节点，与已经遍历过的节点，这通常称之为open_set和close_set。
Astar算法优先队列排序方式基于估价值，估价值由顶点到起始顶点的距离（代价）加上顶点到目标顶点的距离(启发函数）之和构成。
Astar算法、贪婪最佳优先、Dijkstra算法三者的静态效果图如下：
由于概念过于抽象，这里使用例题讲解。
如果你是辰辰，你能完成这个任务吗？
输入格式：
输出格式：
代码实现：
#include C语言网提供由在职研发工程师或ACM蓝桥杯竞赛优秀选手录制的视频教程，并配有习题和答疑，点击了解：