为什么 DFS 不是最优的，但 BFs 是最优的答案

【问题标题】：why DFS is not optimal but BFs is optimal为什么 DFS 不是最优的，但 BFs 是最优的
【发布时间】：2014-01-21 16:41:57
【问题描述】：

这个问题我想了很久，但从来没有得到合理的答案：

通常在人工智能课程中，当涉及到搜索时，总是说 BFS 是最优的，但 DFS 不是，但我可以想出很多例子，表明使用 DFS 我们甚至可以更快地得到答案。那么有人可以解释一下吗？我错过了什么吗？

【问题讨论】：

【解决方案1】：

“产生最优路径”中的最优，而不是“可能是最快的算法”。在状态空间中搜索目标路径时，DFS 可能会产生比 BFS 更长的路径。请注意，仅当动作未加权时，BFS 才是最佳的；如果不同的动作有不同的权重，你需要像 A* 这样的东西。

【讨论】：

感谢您的出色回答。这个场景怎么样：目标在树的最左边的分支中。在这种情况下哪一个是最佳的？
@HamedMinaee：如果您知道目标在树的最左侧分支中，则根本不需要搜索算法。每次只需执行列表中的第一个操作。这不是特别常见的情况，因此针对这种情况进行优化没有用处。
您需要特定的启发式方法才能使用 A*。如果找不到，统一成本搜索（修改后的 BFS）可能会有所帮助。
@StefanoSanfilippo：嗯，你通常至少可以得到 something 以用作启发式方法。如果你已经写了 A* 并且你不能想出一个启发式，“我们还在那里吗？”函数将为您提供一点开销的 UCS。

【解决方案2】：

这是因为最优策略是指返回的解决方案使效用最大化的策略。

关于这一点，没有任何保证 DFS 找到的第一个解决方案是最优的。 BFS 在一般意义上也不是最佳的，所以你的陈述是错误的。

这里的重点是保证某种搜索策略将总是返回最佳结果。在特定情况下，任何策略都可能是最好的，但通常（尤其是在 AI 中），你不知道你在什么具体情况下，最多你对那个情况有一些假设。

但是，DFS 是最优的，当搜索树是有限的时，所有操作成本都相同且所有解决方案的长度都相同。不管这听起来如何限制，有一类重要的问题可以满足这些条件：CSP（约束满足问题）。也许你想到的所有例子都属于这个（相当常见的）类别。

【讨论】：

【解决方案3】：

您可以参考我对this 问题的回答，其中我解释了为什么 DFS 不是最优的以及为什么 BFS 不是解决无信息状态空间搜索问题的最佳选择。

【讨论】：

【解决方案4】：

您可以参考下面的链接，它考虑了一个树的例子，并用这两种方法解决了它。 link

【讨论】：