1 .检索算法是许多优化和规划问题的基础，许多问题的解决有赖于检索策略。
2 .需要将一个问题转化为检索问题(即问题的形式化) :
将问题表示为状态(STATES )和操作符(OPERATORS )的集合，操作符可以将问题从一种状态转换为另一种状态。 使用不同的操作器将问题从初始状态转换为目标状态。 所有这些操作算子的序列是问题的一个解。 因此，要找到一个问题的解，就是在状态空间中找到连接初始状态和目标状态的操作算子的序列。
盲目搜索(统一搜索，Blind Search ) http://www.Sina.com/(depth-first search ) :
虽然以深度优先的方式遍历搜索空间，但这种方法会一直沿非目标状态的方向深度遍历，从而可能找不到解。 33558 www.Sina.com/(蓝牙-第一次搜索) :
广度优先搜索总是保证找到问题的答案，但时间和空间的消耗很大。 33558 www.Sina.com/(iterativedeepeningsearch ) :
认为深度优先搜索不一定能找到问题的解，但可以将深度优先和广度优先组合，即加以深度限制。 如果遍历到某个深度却找不到解，则将搜索方向移动到另一个状态分支继续深度遍历，不断增加受限层数直到找到问题的解。
启发式搜索(Heuristic Search，最佳第一搜索)深度优先搜索
通过提供有助于搜索的信息(知识)，可以增强搜索方向，避免不必要的状态扩大，节约时间和空间。 在当前状态和目标状态相似度最高的情况下，为了能够更快地找到解，引入了评价函数f[n]=h[n]g[n]。 这里，h[n]是当前状态和目标状态不同的棋子的数量，g[n]是当前状态的深度。 f(n )的值最小的是最接近目标状态的状态，因此优先扩展。广度优先搜索
棋子移动的步数也是已知的，并且考虑到影响排列的数量，设为f[n]=h[n]g[n]。 这里，h[n]是各棋子的当前状态到达目标状态的步数之和，g[n]是当前状态的深度。 这样可以进一步减少不必要的扩展。
一般图搜索算法是将这些算法集成到一般图搜索算法中，以便于各搜索算法的实现
创建一个包含要扩展序列的open表和一个包含扩展序列的close表。 一些算法的区别只是表和表的方法和排序方法
以九宫位错问题为例，比较几种算法的优劣实现码
1 .盲搜索(宽度优先搜索算法) ) ) ) ) )。
以广度优先遍历九宫格所有可能的状态：
2 .盲搜索(深度优先搜索算法) ) )。
一般深度优先遍历九宫格所有可能的状态：
如图所示，深度优先扫描可能一直在不是目标状态的分支处深度扫描，并且因而深度优先扫描不一定找到正确的结果。 因此，在搜索某个分支的固定层数后，考虑增加层数限制，以便在没有解的情况下能够返回并继续遍历其他分支
3 .盲搜索(迭代搜索算法) ) ) )。
层数为10 :
规定层数为50 :
4 .启发式搜索(A*搜索算法) ) ) ) ) ) ) ) ) ) ) ) ) ) ) )。
规定评价函数f(n )=h(n ) g (n )，
这里，h(n )是目标状态与当前状态不同棋子的个数，h(n )是当前状态的深度：
5 .启发式搜索(增强启发条件的A*搜索算法) ) ) ) ) ) ) ) ) ) ) )。
规定评价函数f(n )=h(n ) g (n )，
在这里，h(n )是各棋子的当前状态到达目标状态的步数，h(n )是当前状态的深度。
比较每个搜索算法：
从上表的比较数据可以看出：
广度优先搜索保证一定能找到解，但时间复杂度和空间复杂度较高。 增加深度限制的深度优先搜索比广度优先搜索扩展步数少，时间短。 在检索中添加评价函数的A*算法使检索具有方向性，可以大大减少扩展步骤的数量，节约扩展序列的存储空间； 时间效率也大大提高了。 通过加强A*算法评估函数的条件，不断避免不必要的扩展，可以进一步提高搜索效率。