Graph 人工智能中的条纹搜索与A*算法

我一直在互联网上搜索边缘搜索的空间和时间复杂性，但没有成功。有谁能告诉我同样的观点和几点，为什么我们更喜欢在人工智能中使用边缘搜索而不是*算法。

直到看到这篇文章，我才探索边缘搜索算法，所以对此持保留态度。 根据维基百科的说法，是基于，而反过来又是基于

IDA*相对于A*的利弊：

• IDA*旨在以牺牲某些性能为代价减少内存使用
• IDA*会多次检查磁贴，而A*不会
• A*跟踪所有分片，而不是像IDA这样的一小部分*

因此，如果您在返回路径时更担心内存消耗而不是原始速度，那么您会选择IDA*而不是A*

边缘搜索与IDA*/A*:

• 边缘搜索旨在解决IDA*中一些最糟糕的问题，在性能和内存使用方面介于两种算法之间
• 应比IDA*执行得快，但比A*执行得慢*
• 内存使用率高于IDA*，但低于*

所以，如果你在有限的内存中工作，但仍然想要比IDA*提供更多的性能，边缘搜索似乎是一个不错的选择。一般来说，我建议使用A*开始，如果您发现有任何具体问题，请找到替代算法。

根据，实验结果表明，边缘搜索在网格路径查找的应用领域比高度优化的A*快大约10–40%。