启发式搜索在人工智能中起着关键作用。 在本章中，我们来详细地了解它。

AI中启发式搜索的概念

启发式是一条经验法则，它将我们引向可能的解决方案。 人工智能中的大多数问题具有指数性，并且有许多可能的解决方案。并不确切知道哪些解决方案是正确的，检查所有解决方案会非常昂贵。

因此，启发式的使用缩小了搜索解决方案的范围并消除了错误的选项。 启发式引导搜索空间中的搜索的方法称为启发式搜索。 启发式技术非常有用，因为使用它们时可以提高搜索效率。

不知情和知情搜索之间的区别

有两种控制策略或搜索技术:不知情和知情。这里给出的详细解释如下 -

不知情的搜索 它也被称为盲搜索或盲控制策略。 它的命名是因为只有关于问题定义的信息，并且没有关于状态的其他额外信息。 这种搜索技术将搜索整个状态空间以获得解决方案。 广度优先搜索(BFS)和深度优先搜索(DFS)是非信息搜索的示例。

知情搜索 它也被称为启发式搜索或启发式控制策略。 它的名字是因为有一些额外的状态信息。 这些额外的信息对计算子节点之间的偏好以便探索和扩展很有用。 将会有与每个节点相关的启发式功能。 Best First Search(BFS)，A *，Mean和Analysis是知情搜索的例子。

约束满足问题(CSP) 约束意味着限制或限制。 在人工智能中，约束满足问题是一些约束条件下必须解决的问题。 重点必须是在解决这些问题时不要违反约束条件。 最后，当我们达成最终解决方案时，CSP必须遵守限制。