1、常见的两种算法有深度优先搜索，广度优先搜索，两个算法简单，粗暴，容易理解，但是大多数人都可以想到，这种算法在轻量级搜索还可以搞一搞，但是数据量一旦大起来，gg，程序挂掉，处理器炸掉，小编最近看书（android智能设备穿戴开发）看到了一种算法A-star感觉不错，跟大家分享一下
深度优先DFS（老鼠进迷宫问题）
广度优先BFS（盲目式）
2、先简单了解一下广度，深度优先，接下来介绍一下A-Star算法
（启发式搜索）
先大致说下算法的意思，前面两种方法，其实我们都有种感觉就是瞎猫碰死耗子，什么时候碰上什么时候算完，那岂不是很尴尬，想一下如果我们把瞎猫和死耗子这两个东西一个放在中国，两一个放在美国，嘿嘿，想一想这只猫什么时候能碰上，地球爆炸了它也碰不上。但是换种思维，如果把这两个东西放在一个两平米的小屋里面，效果可想而知了吧，好，我们的A-Star算法也可以称启发式搜索，就是瞎猫和死耗子的小屋。下面我给大家介绍一下是如何对整个搜索事件进行限制的。
3、实现过程
（1）选取最小估价（设节点n）
这里我们以估价函数俩表示估价
f(n)=g(n)+h(n)
解释一下：f（n）是指估价函数；g（n）是初始节点到n节点实际代价
h（n）是 从n节点到目标节点最佳路径的估计代价（如下图）
通俗点说：我想开车从承德（起始）去张家口（目标）
我先开车从承德到了北京（n节点）这段旅程我花了100块钱的汽油 这就是g(n)
我又开车从北京到达了张家口又花了150块钱汽油这就是h(n)
总共花的汽油就是f(n)
看着这个很脑残的问题。但是现在问题来了，我身处北京的时候，导航坏了，而人又傻了，不知道是北京–上海–张家口近，还是北京–宣化–张家口近；那么此时看看函数f(n)待求不用管，g(n)（已经从承德过来了100块钱油钱已经花了）也不用管，那么最后落到h(n)身上(与真实最短路线相近的最短路线，下面详细说)；要想花钱最少，就得选一个最近的道路
所以说，重点中的重点在这个h(n)身上，下面我们来说说：
这里有个条件h(n)<=h*(n)，怎么又来个h*(n)，到底是神么鬼。想一想我们目的是什么，目的是找最短的路花钱少；注意：在地球范围内找（你完全可以绕道美国，再到张家口），所以说咱们要缩小找这个最短路线的范围。问题来了，怎么找，利用这个所谓的最小估价f(n)找，现在我们假设这个h*(n)就是北京到张家口连接的直线（最短），那么我们在这跳线的附近找 不就OK了 说的蒙蔽了上图
咱们在阴影部分搜索不就ok了
这里面 最近就指的是h*（n） 那个范围内就是 h（n）
书上对h(n)的评价是在h*(n)的下界之下并且尽量接近它
下面简单的应用一下