这两种方法都有一个数据结构，用于保存待扩展的节点（及其成本）。两种方法首先扩展成本最优的节点。那么，它们之间有什么区别呢？

我被告知均匀成本搜索是一种盲目方法，而最佳优先搜索不是，这让我更加困惑（它们是否都有关于节点成本的信息？）。

回答：

区别在于启发式函数。

均匀成本搜索是一种无信息搜索：它不使用任何领域知识。它扩展成本最低的节点，并且在各个方向上进行扩展，因为没有提供关于目标的信息。它可以被视为一个函数f(n) = g(n)，其中g(n)是路径成本（“路径成本”本身是一个函数，根据性能度量为路径分配一个数值成本，例如公里数的距离，或移动的次数等）。它仅仅是到达节点n的成本。

最佳优先搜索是一种有信息搜索：它使用启发式函数来估计当前状态与目标的接近程度（我们是否接近目标？）。因此，我们的成本函数f(n) = g(n)与从n到目标的成本相结合，即h(n)（估计该成本的启发式函数），给我们f(n) = g(n) + h(n)。最佳优先搜索算法的一个例子是A*算法。

是的，这两种方法都有一个扩展节点的列表，但最佳优先搜索会试图最小化扩展节点的数量（路径成本 + 启发式函数）。