AI 的搜尋路徑
基本款的演算法介紹
本文想要討論人工智慧的搜尋部分，簡單介紹人工智慧的若干知識。本篇不討論程式實作，僅講述概念。
ALL start from Searching Solution
我們希望機器幫我們找到答案，所以建立一個問題即之後，我們必須藉由搜尋一些資料幫助我們找到答案。
廣度優先搜尋(BFS)
廣度優先搜尋的概念是：選擇一個點做完起點，拜訪起點附近的下一個點，走訪過的元素做標記，直到節點元素全被拜訪過，就會再往下一層直到全部的節點被拜訪過為止。
假設起始點為 0，且每一節點由左至右的順序來搜尋下個節點，則結果為: 0,1,2,3,4,5,6
深度優先搜尋(DFS)
深度優先搜尋的概念是：隨意選擇一個方向，並盡可能往這個方向的深度搜尋下去，走訪過的元素做標記，直到遇到死路或者該元素已被拜訪過，就會換另外一條路，直到全部的節點被拜訪過為止。
假設起始點為 0，且每一節點由左至右的順序來搜尋下個節點，則結果為: 0,1,3,4,2,5,6
BFS 與 DFS 比較
從搜尋的角度來看，我們可以知道 BFS 和 DFS 兩者的搜尋策略幾乎完全一樣，差別只在選擇節點時的策略時的不同。
DFS 的問題
深度優先搜尋是個盲目的搜尋，雖說DFS 在理論上所使用的記憶體大小雖然比 BFS 要小，但是根據定義我們會先不斷往下進行搜尋，直到搜尋到底部後，發現沒有找到要的結果才會開始找新的節點，有著「一失足成千古恨」的問題所在，所以 必須針對這個問題進行解決。
DFS + 限制搜尋的層數 = DLS
深度限制搜索（Depth-Limited Search, DLS）是深度優先搜索的變體，它設置了搜索深度的限制。這種方法透過將超過特定深度的節點視為無後繼節點來解決DFS可能遇到的無限路徑問題。當搜索未在限定深度內找到解時，會回傳截斷失敗值（Cutoff Failure Value），如果問題無解則回傳標準失敗值（Standard Failure Value）。DLS 在記憶體使用上效率高，但如果目標狀態位於深度限制之外，則不一定是最佳或完整的。
DFS + 迭代深度搜尋 = IDDFS
迭代加深深度優先搜索（Iterative Deepening Depth First Search, IDDFS）結合了BFS的完整性和最佳性與DFS的空間效率。它透過迭代地增加搜索深度進行搜索，雖然這種方法在每次迭代中重複了之前的工作，但它保證了在統一步驟成本下的完整性和最佳性。
What’s next
這個文章間單介紹幾個搜尋，下個篇幅預計來介紹其他的搜尋演算法。
