Artificial intelligence 在什么情况下，BFS和DFS比*搜索算法更有效？

我已经将*搜索与广度优先搜索（BFS）和深度优先搜索（DFS）进行了对比测试，发现使用*扩展的节点更少

我知道A*通过使用启发式和边代价函数来扩展已经比较便宜的路径

---

在什么情况下，BFS和DFS比*搜索算法更有效

BFS使用队列，而a*使用优先级队列。一般来说，队列比优先级队列快得多（例如，

Dequeue（）

是

O（1）

vs

O（logn）

）。A*的优点是，它通常比BFS扩展的节点少得多，但如果不是这样，BFS将更快。如果使用的启发式很差，或者图非常稀疏或很小，或者对于给定的图，启发式失败，则可能发生这种情况

请记住，BFS仅对未加权的图有用。如果图是加权的，则需要使用BFS的哥哥Dijkstra算法。该算法使用优先级队列，因此几乎不应该比a*快，除非启发式失败。

当启发式不一致时，广度优先搜索可能比a*快。（不一致的启发式不服从三角形不等式。一致的启发式从一个状态到下一个状态的变化不会超过边缘成本。）

使用不一致的启发式，A*可能会将N个状态扩展到2^N倍。发生这种情况的例子可以是。如果您想了解发生了什么，请逐步完成示例。BFS最多只能扩展每个状态一次。请注意，这可以通过算法B部分修复（N个状态最多扩展N^2倍），但这仍然是一个很大的开销。最近的算法有更好的最坏情况保证-N log C*，其中C*是最优的解决方案成本

如果目标在第一个分支上，深度优先搜索可能会优于A*和BFS。在中，您可以将目标放置在树中的不同状态，以查看发生了什么

还有其他的常量因素要考虑。DFS只需要一个状态副本，而*在打开/关闭列表中保留许多状态。但是，在这些情况下，应该使用IDA*

---

请注意，从理论上讲，在具有一致启发式的单向搜索中，a*所需的展开次数最少，以证明解决方案是最优的。

有趣的问题。您能否在问题中添加一个摘要，详细说明a*vs BFS vs DFS的节点扩展？