2019-8-8训练日志

优先队列BFS：对于更加普适性的情况，每次扩展都有各自不同的“代价”时，求最短路时，我们会有两个方法，一个是用一般的广搜，最坏情况下的复杂度为O(N^2)。或者是改用优先队列进行广搜，我们可以每次从队列中取出当前代价最小的状态进行扩展（该状态一定是最优的，因为队列中其他状态的当前代价都不小于它，所以以后就不可能在更新它了），沿着各条分支把到达的新状态加入优先队列。不断执行搜索，直到队列为空。在优先队列BFS中，每个状态也会被多次更新，多次进出队列，一个状态也可能以不同的代价在队列中同时存在，但每个状态从队列中取出时，就得到了从起始状态到该状态的最小代价，之后就可以直接忽略，所以优先队列每个状态只扩展一次，复杂度为O(NlogN).

双向BFS：就是从起始状态和目标状态两边轮流进行，每次各扩展一层，两个搜索相遇时，合并即可得出最小步数。

A*算法是对于BFS时，设计一个估价函数，以任意状态为输入，计算该状态到目标状态时所需要的最小代价的估值，不断取出“当前代价+未来估价”最小的状态进行扩展。相对于来说有一种更优的IDA*算法，在A*的基本思想下，以迭代加DFS的搜索框架为基础，把原来简单的深度限制加强为：若当前深度+未来估计步数>深度限制，则立即从当前分支回溯。效率比A*高，并且程序实现的难度低于A*算法。