Best-First Search 算法研究

Best-First Search 算法研究

Best-First Search（最佳优先搜索）算法是一种启发式搜索算法，用于在图或树的搜索空间中找到最佳解决方案。它通过评估每个搜索节点的启发式估计值来决定搜索的方向，以期望更快地接近最优解

下面是 Best-First Search 算法的详细步骤：

1. 初始化一个优先级队列（通常使用最小堆）和一个已访问节点的集合
2. 将起始节点放入优先级队列中，并将其标记为已访问
3. 当优先级队列不为空时，执行以下步骤：
   • 从优先级队列中选择具有最小启发式估计值的节点
   • 如果该节点是目标节点，则找到了最优解决方案，可以终止搜索
   • 否则，扩展该节点，生成其所有相邻节点，并计算它们的启发式估计值
   • 对于每个相邻节点，如果它未被访问过，则将其添加到优先级队列中，并将其标记为已访问
4. 如果优先级队列为空而且没有找到目标节点，则表示搜索失败，没有可行的解决方案

Best-First Search 算法的伪代码如下

// Pseudocode for Best First Search
Best-First-Search(Graph g, Node start)
    1) Create an empty PriorityQueue
       PriorityQueue pq;
    2) Insert "start" in pq.
       pq.insert(start)
    3) Until PriorityQueue is empty
          u = PriorityQueue.DeleteMin
          If u is the goal
             Exit
          Else
             Foreach neighbor v of u
                If v "Unvisited"
                    Mark v "Visited"                    
                    pq.insert(v)
             Mark u "Examined"                    
End procedure

Best-First Search 算法的关键是启发式函数（heuristic function），它用于评估搜索节点的优先级。启发式函数根据问题的特定信息，例如估计的代价、距离或其他相关因素，为每个节点分配一个估计值。该估计值指导搜索算法选择具有最佳可能性的节点

Best-First Search 算法的优点是可以在较短时间内找到一个相对好的解决方案，特别适用于问题空间庞大且搜索方向有明确指导的情况。然而，它并不能保证找到全局最优解，因为它更关注当前搜索节点的启发式估计值而不是全局问题的性质

Best-First 算法是一种贪心算法，一般通过定义一个启发式函数来引导着向离目标更近的方向前进，常见的启发式函数为欧氏距离(Euclidean Distance)或者曼哈顿距离(Manhattan Distance)

举个例子来说明，如下图，知道每个城市间的距离以及所有城市到 Bucharest 的直线距离

上图左侧可以看作带权值的无向图，而右侧的直线距离则可以当做启发函数

以 Bucharest 为终点，Arad为起点

初始状态

扩展 Arad 后，从 Arad 出发，可以到的三个城市为Zerind（374），Sibiu（253）和Timisoara（329），括号中为启发函数（直线距离）的值，选择最小值对应的城市，即下一个遍历的城市为Sibiu

扩展 Sibiu 后，从 Sibiu 出发，可以到的城市有四个，同理选择启发函数值最小的城市Fagaras（178）作为下一个遍历的城市

从Fagaras出发，有两个可以到达的城市，终点Bucharest（0）已经找到了

Best-First Search 算法不能保证得到全局最优解的原因在于其贪心性质。该算法在每一步选择下一个节点时，仅仅考虑当前节点的局部最优选择，而不考虑全局的最优选择

具体来说，Best-First Search 算法根据某种启发式函数对节点进行评估和排序，然后选择评估值最小（或最大）的节点作为下一个探索的节点。这种局部最优的选择可能会导致算法陷入局部最优解，而无法找到全局最优解

另外，Best-First Search 算法还存在以下一些限制和局限性：

1. 依赖于启发式函数：算法的效果高度依赖于所选择的启发式函数，不同的启发式函数可能导致不同的结果
2. 受限于搜索空间：Best-First Search 算法仅搜索从起始节点到目标节点的路径，而无法保证搜索到其他潜在的更优解
3. 缺乏回溯能力：Best-First Search 算法在选择下一个节点后无法回溯到之前的节点，因此可能会错过某些更优的路径

因此，尽管 Best-First Search 算法可以高效地在大规模图中找到较好的局部解，但不能保证得到全局最优解。对于需要确保全局最优解的问题，可以考虑其他更复杂的搜索算法，如 A* 算法或 Dijkstra算法，这些算法结合了启发式函数和全局路径权重的考虑，能够更有效地搜索全局最优解

可以看到当存在障碍物时 Best-First Search 算法搜索到的并不是最短路径

而用 A* 算法则可以快速搜索到可行的最短路径

参考

[AI]贪婪最佳优先搜索 Greedy Best-First Search

最短路搜索-从Dijkstra到Best-First再到A-Star

Best First Search (Informed Search)