搜索——基于路径的搜索

一、问题形式和搜索框架

（一）、问题的组成部分

搜索问题包含五个基本组成部分：初始状态、可能行动、转移模型、目标测试、路径消耗。

（二）、基本搜索框架

搜索问题包含两个基本的搜索框架，即树搜索和图搜索。

树搜索伪代码：

边界是用于存放当前所有待扩展的叶结点的集合。REMOVE-FRONT为以某种策略从边界中选择叶结点进行扩展（扩展的意思是访问到当前结点并将其后继结点加入边界），扩展操作用EXPAND函数实现。不同的搜索算法不同之处在于：从边界选择结点的策略不同。特别注意：目标检测GOAL-TEST判断需要根据算法的不同决定是在扩展时进行，而是在选择后进行（在所有算法介绍完后我们会比较这一点）。

图搜索伪代码：

集合用于存放当前已被扩展过的结点。 

两个搜索算法最主要的区别是：树搜索允许对某一结点重复扩展，而图搜索在树搜索上进行改进，不会对结点进行重复扩展，即在扩展结点前判断该结点是否已被访问过。

（三）、算法的性能

完备性：当问题有解时，算法是否能保证找到解。

最优性：算法是否能找到最优解。

时间复杂度：找到解花费的时间。

空间复杂度：算法需要的内存。

复杂度通常由以下三个量来表达：——分支因子：任何结点的最多后继数；——目标结点所在的最浅深度；——状态空间中路径的最大长度（可能是无穷），即树的最大深度。

（以下我们讨论完备性和最优性时，没有特别说明这是在图搜索算法还是树搜索算法中时，就是都满足。）

二、无信息搜索（Uninformed Search）

无信息搜索（也称盲目搜索）策略，是指除了问题定义中提供的状态信息外没有任何附加信息，该类算法要做的是生成后继结点并判断是否是目标状态。

（一）、深度优先搜索（Depth-First Search）

深度优先搜索总是扩展搜索树的当前边界结点中最深的结点。并且一个节省内存的做法是：已被探索并且在边界中没有后代的结点可以从内存中删除。

未探索区域用浅灰色表示。已被探索并且在边界中没有后代的结点可以从内存中删除。M已是目标结点

完备性：DFS在树搜索算法框架下是不完备的。这是因为如果当前搜索空间状态图中存在回路，那么DFS将会陷入无限循环，永远无法找到解。但是如果在图搜索算法框架下࿰