我在理解人工智能中使用的一些搜索算法时遇到了一些问题。
- A* 和 IDA*（迭代加深A*）之间到底有什么区别？仅仅是启发式函数吗？如果是这样，我仍然无法想象IDA*是如何工作的… :/
- IDA* 与 BFS（广度优先搜索）相同吗（当扩展的深度只有1级时，我的意思是 – 只是逐级“向下”移动，IDA* 和 BFS 之间有什么区别）
- IDDFS（迭代加深深度优先搜索） 和 IDA* 相同吗，除了启发式函数（在 IDDFS 中相当于0）
- IDDFS 到底是什么 – 向下移动仅一级，然后使用 DFS（深度优先搜索）？如果是这样，那么很多状态的计算（扩展）次数都超过一次了… 或者它是这样的 – 使用具有特定深度的 DFS，然后存储“叶子”（最后扩展的节点），并遍历它们以再次使用 DFS（实际上，这是 BFS？）
- “迭代”来自哪里？在我看来，IDDFS 根本不是迭代的，它仍然是递归的，只是混合了 BFS 和 DFS？或者我错了？或者这个“迭代”与递归的反义词无关？
- IDA* 中的“迭代”是什么？
请问您能提供一些例子吗？我整天都在阅读关于这些算法的文章，我知道它们的优点和缺点，复杂度等等，但我就是找不到任何好的例子（除了 A*；我知道 BFS 和 DFS，其他的困扰着我）。我在不同的地方找到了一些 IDA* 的伪代码，但它们完全不同。
例子是理解算法的最佳方式……但我找不到。即使在 TopCoder 中，我也找不到任何关于 IDA* 的信息。
我已经阅读了维基百科的文章，并且正在寻找一些新的东西 (:
非常感谢！
编辑： 这里有一些不错的文章，但它们太理论化了。没有例子，没有任何具体的东西。但仍然非常有用。我推荐它们 (=
回答：
让我们从迭代加深深度优先搜索开始。
其思想是，深度优先搜索是有效的，但不一定能很快找到正确的答案。 因此，执行深度为 1 的 DFS。如果您还没有找到答案，则执行深度为 2 的 DFS。重复此过程，直到找到答案，或者决定放弃。 这会自动为您提供搜索树上的最短路径，因为如果存在长度为 N 的路径，您将永远不会搜索长度为 N + 1 的路径。
您需要做的是更改深度优先搜索，使其达到 N 个节点深（即，如果您的深度为 N，则不要生成新节点），并使用递增的 N 调用它。 您不需要存储任何比 N 的值以及您为 DFS 执行的操作更多的内容。
迭代来自于迭代地增加搜索的深度。 考虑到分支因子大于 2，性能可能会出奇地好，因为在这种情况下，深度有界的 DFS 的大部分成本都发生在达到的最低级别。
首先学习迭代加深 DFS，然后将其应用于 IDA*。 十五年前，我读过一篇关于这些搜索的早期 Korf 论文，不太记得 IDA* 的工作原理，但您的主要问题是您根本不了解迭代加深。
