Search 统一成本搜索和最佳优先搜索方法之间有什么区别？
这两种方法都有一个数据结构，用于保存要扩展的节点（及其成本）。这两种方法都首先以最佳成本展开节点。那么，它们之间有什么区别呢 我被告知统一成本搜索是一种盲法，而最佳优先搜索则不是，这让我更加困惑（两者是否都有节点成本的信息？） 统一成本搜索是无信息搜索：它不使用任何领域知识。它扩展最小成本节点，并在每个方向上扩展，因为没有提供有关目标的信息。它可以被视为一个函数，其中Search 统一成本搜索和最佳优先搜索方法之间有什么区别？,search,artificial-intelligence,difference,best-first-search,uniform-cost-search,Search,Artificial Intelligence,Difference,Best First Search,Uniform Cost Search,这两种方法都有一个数据结构，用于保存要扩展的节点（及其成本）。这两种方法都首先以最佳成本展开节点。那么，它们之间有什么区别呢 我被告知统一成本搜索是一种盲法，而最佳优先搜索则不是，这让我更加困惑（两者是否都有节点成本的信息？） 统一成本搜索是无信息搜索：它不使用任何领域知识。它扩展最小成本节点，并在每个方向上扩展，因为没有提供有关目标的信息。它可以被视为一个函数，其中g（n）是一个路径成本（“路径成本”本身是一个函数，它根据性能度量为路径分配一个数值成本，例如以公里为单位的距离或移动次数等）。这
g（n）f（n）=g（n）h（n）f（n）=g（n）+h（n）是的，两种方法都有一个扩展节点列表，但最佳优先搜索将尝试最小化扩展节点的数量（路径成本+启发式函数） 对已接受答案的轻微更正
“最佳优先搜索”不会估计当前状态与目标的距离，而是估计下一个状态（从当前状态）与目标的距离，从而影响所选路径 统一成本搜索扩展最小成本节点（不考虑启发式），最佳优先搜索扩展最小（成本+启发式）节点
- f（n）是用于评估潜在节点的成本函数 扩展
- g（n）是移动到节点n的成本
- h（n）是估计值 如果我们是，那么我们要达到最终目标状态所需的成本是多少 去
当遍历树查找作为目标状态的n时，这些函数中的每一个都在评估潜在的扩展节点，而不是当前节点。区别如下所示：
- 统一成本搜索（UCS）扩展路径成本最低（即g（n）最低）的节点，而最佳优先搜索（BFS）扩展距离目标最近的节点
- UCS不能处理启发式函数，而BFS可以处理启发式函数
- 在UCS中，f（n）=g（n），而在BFS中，f（n）=g（n）+h（n）
- 统一成本搜索选择距离最小的未访问节点，计算通过该节点到每个未访问邻居的距离，如果较小，则更新邻居的距离
最佳优先搜索是一种基于启发式的算法，它试图预测路径末端（即路径中的最后一个节点）与目标节点的距离，以便首先展开判断为更接近解决方案的路径。这里有一点误解。统一成本搜索、最佳优先搜索和A*搜索算法都是不同的算法<当最佳优先和A*搜索算法是知情搜索算法时，strong>统一成本是一种不知情的搜索算法。通知意味着它使用启发式函数来决定扩展节点。最佳优先搜索和A*之间的区别在于，最佳优先使用
f（n）=h（n）f（n）=g（n）+h（n）h（n）g（n）这里可以看到更多细节。不，f（n）=g（n）+h（n）由A使用*f（n）=g（n）+h（n）用于任何使用启发式的搜索。这就是h（n）的含义。A*是一种使用启发式的搜索，是一种特殊的最佳优先搜索。你说“距离最小”，这里的“距离”是什么意思？距离目标的最小距离是什么？最佳优先搜索不估计当前状态与目标的距离，它估计下一个状态（从当前状态）与目标的距离，以影响所选路径。在评估时，最佳优先搜索中的启发式函数正在评估下一个可能的状态之一，不是“当前状态”。关于最佳优先搜索如何使用其启发式函数，以下陈述是不正确的：“它使用启发式函数来估计当前状态与目标的接近程度”。可以这样说：“它使用一个启发式函数来估计潜在的下一个状态离目标有多近。”。请检查“当前状态”一词的使用是否没有问题。2.我从未说过它“评估当前状态”。我说它“估计距离有多近”。这个语句没有问题。当您正在寻找下一个节点并从节点A开始，最终希望最终在节点Z上结束时，最好的第一次搜索中的启发式函数运行在节点B、C、D、…，Y上，它永远不会运行在节点A上。它甚至不考虑节点A，节点A是“当前状态”。如果你还看这个问题，就可以得到更精确的答案。
f(n) = g(n)
f(n) = g(n) + h(n)