迭代加深搜索、启发式搜索、A*、IDA

目录

回顾/本期梗概

一、迭代加深搜索（IDDFS）

        1、IDDFS基础知识

        1）什么是迭代加深搜索

         2)迭代加深的基本结构

         3)IDDFS和BFS比较优势是什么

        4）IDDFS中的复杂计算问题

二、A*算法

        1、A*算法基础知识

        1.什么是A*算法

        2.A*算法的核心思想、

         3、A*算法的核心要点：

        相关说明：

        （1）为什么终点出队说明最短？

        （2）为什么非终点出队，不一定是最优解？

三、IDA*

        1、IDA*基础知识

        1）什么是IDA*

        2）IDA*和A*的区别

---

回顾/本期梗概

        上期我们学习了搜索优化、搜索进阶（空降链接）本期我们将学习迭代加深搜索、启发式搜索、A、IDA。

---

一、迭代加深搜索（IDDFS）

        1、IDDFS基础知识

        1）什么是迭代加深搜索

        迭代加深搜索（IDDFS）是深度优先搜索，与普通的dfs不同的是，每次深搜都会有搜索的最大深度限制，如果没有找到解，那么就增大深度，再进行深搜，如此循环直到找到的解为止，这样可以找到最浅层的解。

        IDDFS适和求解：搜索深度较深，但正确的解再较浅的深度的问题。

        IDDFS的使用前提是：一定要有解。

        

         2)迭代加深的基本结构

while(!dfs(maxdep))
    maxdep++;

         3)IDDFS和BFS比较优势是什么

        BFS 的基础是一个队列，队列的空间复杂度很大，当状态比较多或者当状态比较大时，使用队列的BFS就显出了了劣势。事实上，迭代加深就类似于用DFS方式实现的BFS，他的空间复杂度相对较小。

        IDDFS和BFS相比的优势在于：空间复杂度会小很多，也可以配合剪枝来提升搜索效率。

        4）IDDFS中的复杂计算问题

        当搜索树的分支比较多时，每增加一层的搜索复杂度会出现指数级爆炸式增长，这时前面重复的部分所带来的复杂度几乎可以忽略，这也就是为什么迭代加深可以近似看成BFS的。

---

二、A*算法

        1、A*算法基础知识

        启发式搜索（Heurisrically Search）又称为有信息搜索（Informed Search），它是利用问题拥有的启发信息来引导搜索，达到减少搜索范围、减低问题复杂度的目的，这种利用启发信息的搜索过程称为启发式搜索。

        启发式策略：可以通过指导搜索向最有希望的方向前进，降低了复杂度。通过删除某些状态及其延伸，启发式算法可以消除组合爆炸，并得到令人能接受的解。