Performance 还是双向广度优先搜索？

不确定这是不是该问的地方但是

我已经用Java编程了一个双向广度优先搜索算法，它同时从图中的开始节点和图中的目标节点进行搜索。在一个有3000000（300万）个节点的图中，所有节点平均与4个其他节点（通过双向/双向边连接）连接，在一个普通CPU上平均只需要0.5秒就可以找到任意两个随机节点之间的最短路径，大约10秒是我在30次测试运行中发现的最坏情况

---

假设只需要搜索一条路径（例如，在起点和终点之间绘制路线时），在这种情况下，使用a*算法和适当的启发式有什么好处？是的，找到路径可能会稍微快一点，但a*很可能找不到最短的路径

有人能详细说明为什么经常选择A*而不是双向广度优先搜索，以及它在性能（计算时间、内存使用、找到最佳解决方案的机会等）方面有哪些优势吗

而且，

---

大家复活节快乐

双向搜索在可行时非常有用，但它依赖于能够像开始节点一样轻松地生成目标节点（例如，在国际象棋游戏中如何选择目标节点？），并且分支因子在两个方向上相似。它依赖于能够倒退，达到这一点。即使你有一个很好的启发式，你也不可能在搜索的相反部分从中获得很大的优势。

“但是a*很可能找不到最短路径”-如果你的a*没有找到最短路径，那么你的a*算法或启发式是错误的。如果您没有尝试过，只是认为它找不到最短路径，那么您对A*的理解是错误的。@user2357112您需要有一个完美的启发式，才能用A*找到最短路径，据我所知，在寻找图中任意两点之间的路径时，没有一种完美的启发式方法。@user2357112让我自己更正一下：有一些完美的启发式方法，但对于这些启发式方法，a*算法的性能实际上与广度优先算法相同。“你需要有一个完美的启发式，才能用a*找到最短路径。”-不，你不会。你需要一个启发式，并且为了高效的实现，你通常需要一个启发式。如果启发式是可接受的（或在图搜索中是单调的），那么a*保证首先找到一个最佳解决方案。