宽度优先搜索算法实现8数码_经典搜索算法总结

本文内容主要来自Artificial Intelligence A Modern Approach和Stanford CS221。

人工智能可以被建模成：学习，模型，推断。所谓的搜索往往指的是根据模型推断的过程。

本文的内容主要包括

• 搜索算法的背景和定义
• 无信息搜索算法
  • 宽度优先搜索BFS
  • 统一代价搜索UCS
  • 深度优先搜索DFS
  • 深度受限搜索DLS
  • 迭代加深搜索IDS
  • 双向搜索BS
• 有信息搜索算法
  • 贪心搜索
  • A* 搜索
  • 迭代最佳优先搜索RBFS
• 启发式设计

---

搜索算法的背景和定义

首先，搜索算法可以分为树搜索和图搜索。

简单来说，树搜索算法可能会导致状态的重复，所以在图上往往使用图搜索，当然如果你可以保证你的算法不会遇到重复状态的话，也可以放心的使用树搜索。

树搜索：

图搜索：

容易看出，图搜索比树搜索多维护了一个explored队列，这个队列用来记录算法经过的节点，通过检查新的节点是否在这个队列中，图搜索避免了重复。

而两者都有的frontier队列，则是用来记录将要探索的节点。

算法开始的时候把初始节点放到 frontier里，接下来一直探索，如果frontier空了却没有找到最终的目标，说明目标是不存在的，算法返回failure。

其次是对节点的描述，一个节点包括：

其中关于STATE，CS221给出了一个很好的解释：

A state is a summary of all the past actions sufficient to choose future actions optimally.

最后是描述算法好坏的指标：

• Completeness: Is the algorithm guaranteed to find a solution when there is one?
• Optimality: Does the strategy find the optimal solution?
• Time complexity: How long does it take to find a solution?
• Space complexity: How much memory is needed to perform the search?

为了描述后两个性能指标，我们在图搜索上定义一些常数（这些常数由问题确定，与算法无关）

• branching factor b：一个节点的最多分支
• maximum depth m：整个图的最大深度
• solution depth d：最优解所在的深度

---

无信息搜索算法

宽度优先搜索BFS

说白了BFS就是用一个FIFO的队列维护frontier中的节点。

我们用BFS的目标是找到目标节点，但是这个从初始节点通向目标节点的路径可能有很多条。

很多时候，我们不仅希望找到节点，还希望在搜索的过程中最小化某种指标，这个指标可以用

描述。

如果满足对任意

三元组满足

，可以证明BFS是可以找到

最优解的。

这个证明是很直观的，只需要一层层的向下找就可以了。往往这样假设的

会是时间，人数等最小单位。

注意，如果

，BFS不保证找到最优解。

因为目标节点在d层，所以BFS的时间复杂度和空间复杂度都是

---

统一代价搜索UCS

接下来，UCS就是来解决

的问题的。

实际上UCS也不复杂，学过了Dijkstra算法就能发现，UCS其实就是Dijkstra算法。

UCS和BFS的主要区别是UCS维护了一个优先队列，通过这个优先队列保证达到目标节点的时候路径一定是最短的。

这个也好理解，因为从frontier取出的节点满足chooses the lowest-cost node in frontier，所以如果这个节点是目标节点，那么即便是存在另一个路径也可以通向目标节点，因为当前走过的路径已经比这条路长了，又有

，所以

另一条路径不可能更短。

实际上，一个更直观的事实是，任何被放入explored的节点都满足最短路径。

---

深度优先搜索DFS

DFS和BFS的区别就是DFS用一个LIFO的队列（其实就是栈）来维护frontier。

注意，因为DFS一旦找到了目标节点就会停止，所以当

时

无法找到最优解。

但是，如果

，任意到达目标节点的解都是最优解，DFS就可以找到最优解。

这种情况往往出现在对代价几乎没有要求的情况下，例如不计时间的拼魔方。

值得一提的是，在树搜索算法中，DFS非常容易陷入无穷的循环，所以DFS往往用于图搜索。

因为DFS理论上要搜完整个空间才知道是否有解，所以最大的时间复杂度是

，但是因为需要记录的节点很少（毕竟是用栈维护），时间复杂度比较低，为