IDA*对A*的改进

预先：

• 首先你需要了解什么是A*算法（一种利用启发信息的有信息式搜索），它本身就是是对一致代价搜索的一种改进，这里不做过多的阐述。

过渡：

迭代加深（限制深度优先搜索的层数）为什么存在？

1. 减小原先BFS存储空间的指数增长问题。O(b^d)->O(b*l),b为分支因子，d为解的深度，l为深度界限（不断加深的）。
2. 减小DFS搜索的盲目性（应对树很深，但是目标解在较浅位置）。O(b^m)->O(b^l)，m为最大深度。l为深度界限（不断加深的）。

改进：

IDA*（ID与A*结合）方法：

• 设置阈值评估值Fmax，只对评估结果小于阈值Fmax的节点进行探索。
• 如果没找到增加阈值继续进行A*探索。

！此处注意：很多人对于IDA*理解不同实现也不同，对于算法的实现也千奇百怪（不仅是启发函数，连增加阈值的方法也千奇百怪，最多的将新阈值为超过旧阈值的最小代价），不过总的还是要根据不同问题设计更好的算法。

IDA*特点：

对空间的消耗较少，由于剔除超阈值节点，所以从open列表选择节点拓展也是更快的。但是注意有出现重复搜索的老毛病。