搜尋的過程實際上就是轉化為在狀態空間圖上尋找一條從初識節點到目標節點的路徑。
bfs 寬度優先搜尋
dfs 深度優先搜尋
ucs 一致代價搜尋（又名dijkstra演算法，由bfs拓展而來）
dfs遍歷到目標節點就結束，因此找到的不一定是最短的路線，但bfs（適用於沒有權重路徑的移動過程）、ucs每次用最短的進行下一次更新，為最短路演算法，三個演算法均不需要遍歷所有節點。
dfs使用遞迴可以遍歷所有到達目標節點的路線，但要遍歷所有節點，耗時間。使用回溯法輸出所有路線。ucs目標就是找最短的，沒有更短即停止，可以輸出所有到達目標的最短路線，但不一定遍歷所有節點。以第一組輸出的結果為最優，評價後面的輸出是否也是最優。
它們的缺點就是：盲目。效率低，耗費過多的計算空間和時間。
兩節點之間的權重為1的ucs等價於bfs。
有序搜尋
a*演算法
在盲目搜尋的基礎上，在下一次更新前，會對節點表進行乙個排序，使用估價函式去評價。
它們的目標明確，迅速找出一條最優路線，效率高。
想要輸出多種路線，可以使用遞迴，以第一組輸出的結果為最優，評價後面的輸出是否也是最優。後面再補充～
人工智慧 5 不確定性推理
不確定性推理實際上是一種從不確定的初始證據出發，通過運用不確定性知識，最終推出具有一定程度的不確定性但卻又是合理或基本合理的結論的思維過程。1 不確定性的表示 知識的不確定性表示 乙個數值，表示相應知識的確定性程度，知識的靜態強度。證據的不確定性表示 證據的不確定性可以用概率來表示，也可以用可信程度...
《人工智慧》之《確定性推理》習題解析
教材 人工智慧及其應用 蔡自興等，2016m清華大學出版社 第5版 參考書 對應同系列部落格 人工智慧 之 確定性推理 圖搜尋過程如下 建立乙個只含有起始節點s的搜尋圖g，把s放到乙個叫做open的未拓展節點表中。建立乙個叫做closed的已拓展節點表，初始化為空表。loop 若open表是空表，則...
不確定性推理
不確定性推理 是指建立在不清楚，不明確的知識和證據基礎上的推理，不完備 不精確的知識推理，模糊知識推理。多種原因導致同一結論。解題方案不唯一，現實生活中的問題有很多解決方案，這些方案之間很難決定誰優誰劣，所以選擇認為較優的方案，就屬於一種不確定性推理。所需知識不完備，不精確。所需知識描述模糊。知識的...