双向搜索算法（基于深度优先搜索算法的优化）

最近在整理搜索算法相关内容，今天来介绍一下双向搜索算法

传统的深度优先算法，通过不断寻找子状态和回溯，来达到遍历所有状态的目的，存在不少缺点。

1. 可能会陷入死循环：如果图中存在环路，深度优先算法可能会陷入死循环，无法找到解决方案。

2. 不一定能找到最优解：深度优先算法只会沿着一条路径一直走下去，直到找到解决方案或者无法继续下去为止。因此，它不能保证找到最优解，有可能会找到次优解。

3. 空间复杂度高：深度优先算法需要使用递归或者栈来保存搜索过程中的状态，因此在搜索深度较大的情况下，空间复杂度会很高，可能会导致内存溢出。

4. 可能会忽略一些解：深度优先算法只会搜索一条路径，如果存在多个解决方案，但是它们不在同一条路径上，那么深度优先算法可能会忽略其中一些解决方案。

而双向搜索算法作为深度优先搜索的一种改进方法，能够解决一些问题

双向搜索算法是一种搜索算法，它从起点和终点同时开始搜索，直到两个搜索路径相遇。这种算法通常用于搜索问题，其中起点和终点之间的距离较远，而搜索空间较大，例如在图形搜索、字符串匹配和游戏搜索中。 双向搜索算法的基本思想是从起点和终点同时开始搜索，每次从两个方向中选择一个节点进行扩展，直到两个搜索路径相遇。这种算法可以减少搜索空间，因为它同时从两个方向搜索，可以更快地找到解决方案。 双向搜索算法的优点是可以减少搜索空间，因为它同时从两个方向搜索，可以更快地找到解决方案。缺点是需要额外的空间来存储两个搜索路径，并且需要更复杂的算法来处理两个搜索路径的交叉点。 双向搜索算法的应用非常广泛，例如在图形搜索中，可以从起点和终点同时开始搜索，以找到最短路径。在字符串匹配中，可以从两个方向同时搜索，以找到匹配的字符串。在游戏搜索中，可以从当前状态和目标状态同时开始搜索，以找到最优解。

下面是双向搜索算法解决八数码问题的实例

具体代码思路：声明两个path队列分别记录由源节点和目标节点出发搜索的节点，while循环出队两者中数据量较小的队列的队首节点，进行扩展和入队。用两个rep栈为两条线路查重，如果有元素在两个查重栈中都有则两个搜索相遇，返