人工智能搜索

宽度优先搜索（BFS）

  首先扩展根节点，然后扩展根节点的所有后继，接着再扩展它们的后继，从而一层一层的对节点进行扩展。BFS是一个简单的搜索策略，在搜索过程中会对所有状态进行遍历，因此它是完备的；假设搜索树每个节点有b个后继，深度为d，则时间复杂度和空间复杂度均为O(bd)；最后考虑最优性，因为我们总会在最浅那一层找到目标状态，因此当且仅当每一步的代价都一致的时候，BFS可以得到最优解。

深度优先搜索（DFS）

  DFS扩展根节点的一个后继，然后扩展它的一个后继，直到到达搜索树的最深层，那里的节点没有后继，于是DFS回溯到上一层，扩展另外一个未被扩展的节点。在有限状态空间中，DFS是完备的，因为它可以把所有空间遍历一遍；而在无限空间中，DFS则有可能会进入深度无限的分支，因此是不完备的。DFS的时间复杂度为为O(bd)，而空间复杂度仅为O（d），因为我们只需要保存当前分支的状态，因此空间复杂度远远好于BFS。然而DFS并不能保证找到最优解。

A*

为了找到最优解，A*算法对一个节点的评估结合了h（n）和g（n）从开始节点到节点n的路径代价，即f（n）=g（n）+h（n）

 

f（n）=经过节点n的最小代价解的估计代价

 

因为A*搜索总是搜索f（n）最小的点，因此它总能找到最优解。