搜尋技術是一種通用的問題求解技術，可以將待解決的問題轉化為可搜尋的問題空間，然後在該空間中搜尋求解。搜尋技術在人工智慧領域有著非常廣泛的應用.盲目搜尋
盲目搜尋是最簡單的搜尋方法，如寬度優先搜尋和深度優先搜尋，這種搜尋方法效率非常低，只適用於非常簡單的問題求解。
騎士旅行問題: 我們在6×6的棋盤上用西洋棋中的騎士遍歷整個棋盤並回到出發點，這個看似並不複雜的問題如果用盲目搜尋求解，可能需要好幾天的時間。啟發式搜尋
啟發式搜尋: 通過問題的特徵資訊引導搜尋過程，減小搜尋範圍，從而提高搜尋效率。還以上面提到的騎士旅行問題為例，使用啟發式搜尋方法，普通筆記本求解只需要20分鐘，計算效率得到了幾百倍的提公升。
a*（a-star)演算法是一種靜態路網中求解最短路徑最有效的直接搜尋方法，也是解決許多搜尋問題的有效演算法。演算法中的距離估算值與實際值越接近，最終搜尋速度越快。題目
盲目搜尋的思路是遍歷每一種可能的路徑，顯然絕大部分路徑都是無用的，比如在這個例子中首先往左側移動是肯定無法得到最短路徑的。
a*演算法的思路是在所有可能的下一步子結點中進行試探性的搜尋，尋找最佳結點。
判斷最佳結點的公式：
f = g + h
g表示起點到子結點的代價。
h表示子結點到終點的預估代價。
注意這裡h是預估代價，我們可以使用曼哈頓距離來計算:
上圖計算了起點的所有子節點的f值（左上角）、g值（左下角）、h值（右下角）.顯然右側的子結點f值最小，我們把它作為最佳結點a.
繼續下一步的搜尋。對於當前節點來說，共有4個可能的子結點，右側藍色障礙物無法移動，左側綠色結點為起點，不必走回頭路。經過計算，上方（或下方）的結點的f值最小，可以當作最佳結點b.
此時我們發現：由結點a到結點b的f值要大於從起點到結點b的f值，我們需要重新選擇從起點移動到結點b作為第一步，a*演算法就是通過這種原理實現路徑的不斷優化。
通俗易懂之Ajax
在網頁載入的時候，載入的都是靜態的資源,你寫的每一句話，每乙個結構都是固定的，比如在哪個區域顯示哪張，頁面渲染之後都無法在改變，想要改變就只有改 然後在重新整理頁面。而ajax可以讓我們在 執行的時候，去請求其他地方的資源或者介面，然後把請求來的資料，根據我們寫好的方法渲染到頁面上，多次進行ajax...
通俗易懂之Ajax 二
我們常用的請求方式有get請求和post請求，其中get請求一般是用來獲取資料的,post請求一般是上傳資料的。function get url,callback 上面的if 也可以簡寫成邏輯運算子的短路操作 callback callback xhr.responsetext function p...
通俗易懂的C STL
泛型程式設計 generic programming 是一種語言機制，通過它可以實現乙個標準的容器庫。像類一樣，泛型也是一種抽象資料型別，但是泛型不屬於物件導向，它是物件導向的補充和發展。泛型程式設計在c 上的應用主要體現在兩方面 函式模板和類模板。接下來舉個栗子 csdn部落格 anyway，模板...