我正在尝试将广度优先搜索和迭代加深搜索结合起来。这种方法在人工智能书籍《AI – A Modern Approach》的第3章（第90页）中有所提及。基本思路是从初始状态开始，运行广度优先搜索，直到达到某个常数内存限制mB，然后对边界上的每个节点进行迭代加深搜索。

这种搜索算法是合理的吗？是完整的吗？是最优的吗？

回答：

广度优先搜索本身是合理的、完整的和最优的。因此，对于任何在达到内存限制之前就能找到解决方案的问题，都不会有问题。我们只需要考虑在找到解决方案之前达到内存限制的情况，例如，你将开始对边界上的节点运行IDS的情况：

合理吗？

是的，IDS永远不会返回不正确的结果。

完整吗？

这取决于你如何实现“对边界上的每个节点进行IDS”。

如果你首先对边界上的第一个节点进行完整的IDS，然后对第二个节点进行完整的IDS，依此类推，它将不会是完整的。考虑这样一种情况：在你边界上的第一个节点下有一个无限大的搜索空间，而这个空间不包含解决方案。如果你试图首先对该节点运行“完整”的IDS，它将永远不会终止。

但是，如果你以不同的方式在边界上的节点之间分配你的IDS进程，它可以是完整的。例如，如果你首先对边界上的所有节点进行深度为1的DFS，然后对边界上的所有节点进行深度为2的DFS，依此类推，该算法将是完整的。

最优吗？

这里的考虑与完整性相同。如果你完成对边界上第一个节点的完整IDS，然后再转向第二个节点，你可能已经在边界上的第一个节点下找到了一个次优解，因此该算法将是次优的。

如果你完成对边界上所有节点的深度限制为1的DFS进程，然后再转向任何节点的深度限制为2的DFS进程，并完成所有这些，然后再转向深度限制为3的DFS，依此类推，该算法将是最优的。