解決某些問題的成本通常是可以評估的，解決整個問題的成本通常是合理的。例如，對於壹個10的拼圖拼盤，解決問題的成本應該類似於將1到5的方塊移回正確位置的成本。通常問題求解者會先建立壹個模式數據庫，存儲壹些問題的代價來評估問題。解決容易近似的問題通常可以用來合理評價原問題。比如曼哈頓距離就是n-puzzle問題的壹個簡單版本，因為我們假設可以獨立移動壹個方塊到我們想要的位置，暫時不考慮移動到其他方塊的問題。給我們壹組合理的啟發式函數h1(n)，h2(n)，...，hi(n)，以及函數H (n) = Max {H1 (n)，H2 (n)、...，Hi (n)}是壹個可以預測這些函數的啟發式算法。A.E. Prieditis在1993中編寫的壹個程序prolim r就使用了這些技術，可以自動生成問題的啟發式算法。由proquir為8-puzzle生成的啟發式算法比以前的任何壹個都好！它還發現了第壹個有用的啟發式程序來解決幻方。