首先，解释一下名词，什么是“树搜索算法”？
树搜索算法并不是特指一个算法，而是指一类基于树结构的搜索算法（如深度优先和广度优先等）
当然，还有一个名词，什么是“图搜索算法”？
图搜索不会重复搜索节点，树搜索允许重复搜索节点。图搜索是特殊的树搜索。
还有一个名词，什么是“无信息搜索策略”？
除了问题定义中提供的状态信息外没有任何附加信息，算法只能区分状态是不是目标状态，而无法比较非目标状态的好坏（即不知道是否靠近目标状态）
简单地讲，就是说，我不知道目标在哪里，我只知道我现在有没有到目标。
下面是几个比较经典的无信息搜索策略
宽度优先搜索
算法理念是一个先进先出的队列，先扩展根结点，再扩展根结点的所有后继，然后再扩展它们的后继。然后在每一个节点入队的时候判定当前节点是否是目标节点（之所以在入队的时候是为了减少节点数从而节省时间）。
实际上，和广度优先搜索一样，都是一层一层向下找。
由于能够找完所有的节点，所以结果必定是最优的
一致代价搜索
算法理念是扩展未扩展节点中代价最小的，这个代价是真实值。队列按照代价从小到大排列；代价小的先出队，代价大的后出队。出队时做目标检测；因为入队时不能保证是最优的，但出队时可以。
这里的代价和上文是不冲突的，他记录的是我目前已经走了多远了。实际上就是一个广度优先搜索和贪心算法的结合体，在一层一层向下找的时候，决定了节点的顺序，比方说有多个子节点的时候，哪一个子节点先入队。
这里解释一下为什么要出队的时候才进行目标检测，而入队的时候不行。因为入队的时候并没有进行排列，也就是说，这个时候我或许到达了目标，但是我的队列里面还隐藏着另一条路径，可以比我当前的路径更短。
换句话说，我们可能像大禹一样，路过目标好几次，但只有走完了所有的路（极限情况）之后，才知道那条路是最近的。
深度优先搜索
首先扩展最深的为扩展节点，用LIFO队列来存储节点。
说白了，就是DFS，同名的深度优先搜索，当然结果不一定是最优的（深度有限的时候是最优的），这个的空间复杂度很小。
简单地讲，就是一条路走到黑，一直左拐一直左拐的感觉。
深度受限搜索
前文说到，深度优先搜索在深度有限的时候是最优的，所以这里就有了深度受限搜索，实际上就是设定一个最大深度dmax，当搜索深度大于dmax的时候立即回溯，从而避免了在无穷状态空间中陷入深度无限的分支。
即一开始有一个深度限制，每深入一层减一，减到0为止。
迭代加深的深度优先搜索
这个名字是不是特别长？实际上很简单，就是一个不断加深深度的深度优先搜索。
不断加深深度，每一次都从根节点开始调用深度优先探索。
