人工智能中的边缘搜索与A *算法

Question

我一直在互联网上搜索Fringe搜索的空间和时间复杂性，但没有成功。任何人都可以告诉我相同和几点我们为什么更喜欢在人工智能中使用边缘搜索而不是A *算法。

Answer 1

在看到这篇文章之前，我还没有探索过边缘搜索算法，所以请稍等一下。 根据维基百科，Fringe Search基于IDA*，而A*则基于{{3}}。

IDA *在A *上的利弊：

• IDA *旨在以某些性能为代价来减少内存使用。
• IDA *将多次检查瓷砖，而A *不会
• A *跟踪所有图块，而不是像IDA *
这样的小子集

因此，如果你更担心内存消耗而不是返回路径时的原始速度，那么你会选择IDA *而不是A *。

边缘搜索与IDA * / A *：

• Fringe Search旨在解决IDA *的一些最严重的问题，在性能与内存使用方面将其置于两种算法之间。
• 应该比IDA *执行得更快，但执行速度比A *
慢
• 比IDA *更多的内存使用量，但低于A *

因此，如果你正在使用有限的内存，但是仍然需要比IDA *提供更多的性能，那么Fringe Search似乎是一个不错的选择。一般情况下，我建议只使用A *启动，如果您发现有任何具体问题，请在路上找到替代算法。