A* IDA* BFS Dijkstra 几种搜索方式

    学搜索中最先接触到的肯定是dfs和bfs。这两种也是比较基础的搜索方式。这类的题目也非常多，状态的设计及转移变化也很多，需要多加练习。这里着重讲一讲其他几种搜索方式。先说一个之前dfs和bfs 理解的误区，原来一直以为bfs只能求最优解，其实不是的。。如果对入队的状态不加以hash掉，任其自由扩展，那么求出来的就是所有状态。

    A* 

        A*中存在一个f()=g()+h(); 其中g()代表的是从我们的初始状态扩展到这个当前状态的真实消耗，h()是从这个状态到最终状态的估计消耗，这里要保证，h()一定要比从该状态到目标状态的真是消耗一定要小，为什么后面解释。

        具体的操作就是维护一个队列，第一步将初始状态放入队列中，然后重复一下过程，初始所有的状态均是开启。

（1）队列是否为空，如果是，那么结束搜索，不是继续 2。

（2）从队列中取出一个f()值最小的，检查这个点是否关闭，如果是，那么继续1，不是3.如果这个点就是目标状态了，那么这个就是答案。

（3）将该状态标记为设为关闭，也不在开启，然后从这个状态扩展一下，所有扩展出来的状态，如果已经是关闭的，那么不管，如果队列中不存在，那么添加到队列中，如果这个状态在队列中已经存在了，那么我们更新掉队列中的最优解，继续1.

        这个流程和我们原来学过的bfs是不是很像，原来我们用的bfs可以说就是一个h()=0时候的特例，A*的正确性不难说明，B状态代价b，如果存在从一个X状态转移过来的代价更小，那么在队列中找到b之间那么f(X)=g(X)+h(X); 又因为h(X)是估计值，比真实的估计要小，所以在B出队列之前，那么X一定会出队列，并且更新过来。反证法完毕。

DBFS

       双向广搜的原理的bfs其实没太大差别，双广适用于初始状态和目标状态都已经知道情况下的搜索，由于最坏的情况下，广搜的状态数是成指数级增长的， 所以如果一遍搜索的深度过深，那么时间空间都可能会非常巨大，所以如果采用双广，那么理想情况下可以达到单广的开根号。

        在这里有一点需要注意的就是如果在采用dbfs寻求最优解的时候，由于我们认为，两个方向中最先相遇的就是最优解，所以在两边队列中扩展的时候必须是一层一层的扩展，而不能是一个一个节点扩展。