说我正在看地图，在城市附近寻找披萨店。我可以使用一些不同的策略：
- 广度优先搜索（BFS）：看看我的街区周围的同心圆块，向外越来越远，直到我找到一个披萨店。这将给我一个最近我的街区的披萨店，就像乌鸦一样。
- 深度优先搜索（DFS）：沿着道路走，直到我走到死路，然后回溯。最终所有可能的分支都会被搜索到，所以如果那里有一个披萨店，那么我会找到它，但它可能不会非常接近我的块。
- 统一成本搜索（UCS）：说某些街道的交通状况不好，而且我对这个城市非常熟悉。对于任何给定的位置，我可以说我需要多长时间从我的街区到达那里。所以，看看地图，首先我搜索所有需要1分钟或更短时间才能到达的区块。如果我还没有找到披萨店，我会搜索所有需要1至2分钟才能到达的街区。我重复这个过程，直到我找到一个披萨店。这将给我一个比萨饼的地方，距离我的街区最近的车程。就像BFS看起来像同心圆一样，UFS看起来像a contour map。
通常，您将使用优先级队列实施UCS，以便以最低的成本搜索节点。
我假设你在看this Wikipedia page。这意味着给定操作所需的时间（添加两个数字，比较两个数字，从内存中检索数据等）与所涉及的变量大小无关。换句话说，8位比较需要与32位比较相同的时间量。通过这种假设，您可以简化效率分析并比较算法，而不会陷入实施细节中。
