搜索算法的形式化描述：
状态、动作、状态转移、路径、测试目标
一、启发式搜索（有信息搜索）
| 辅助信息 | 所求解问题之外、与所求解问题相关的特定信息或知识 |
| 评价函数 f(n) | 从当前节点n出发，根据评价函数来选择后续节点 |
| 启发函数 h(n) |
计算从节点n到目标节点之间所形成路径的最小代价值。 这里将两点之间的直线距离作为启发函数。 |
搜索算法： 贪婪最佳优先、A*算法
1、贪婪最佳优先搜索的不足之处：
- 贪婪最佳优先搜索不是最优的。
- 启发函数代价最小化这一目标会对错误的起点比较敏感。
- 贪婪最佳优先搜索也是不完备的。即沿着一条无限路径走下去而不回来做其他选择尝试，因此无法找到最佳路径这一答案。
- 在最坏的情况下，贪婪最佳优先搜索的时间复杂度和空间复杂度都是O(bm)，其中b是节点的分支因子数目、m是搜索空间的最大深度。
2、A* 算法
f(n) = g(n) + h(n)
评估函数 当前最小开销代价 后续最小开销代价
二、对抗搜索（也称博弈搜索）
1、最小最大搜索
优点：
- 算法是一种简单有效的对抗搜索手段
- 在对手也“尽力而为”前提下，算法课返回最优结果
缺点：
- 如果搜索数极大，则无法在有效时间内返回结果
改善：
- 使用alpha-beta pruning算法来减少接节点
- 对节点进行采样、而非逐一搜索
2、Alpha-Beta剪枝搜索
对最小最大搜索进行改进的算法，即在搜索过程中可剪除无需搜索的分支节点，且不影响搜索结果。
3、蒙特卡洛树搜索
通过采样而非穷举方法来实现搜索
三、蒙特卡洛搜索
标签：函数,求解,最佳,算法,搜索,贪婪,节点 来源： https://www.cnblogs.com/excellence/p/16102902.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。