启发式搜索：用估计值代替穷举引导方向

把[[产生式系统把推理问题统一转化为路径搜索]]中的状态图逐层完整展开（广度优先）在国际象棋这类问题上会迅速爆炸成不可能处理的规模——仅第一步就有 20 种走法。启发式搜索改为优先深入”看起来最有希望”的那一条路径：给每个候选状态计算一个启发值，衡量它离目标还有多”远”（比如八数码游戏里，把每个方块当前位置到目标位置的距离加总），每次都从启发值最小的候选节点继续搜索，一旦这条路走偏了再回退尝试别的分支。一个合格的启发式必须同时满足两个条件：它对剩余代价的估计要有实际参考价值（否则无法指导决策），而且计算本身要足够简单（否则算启发值花的力气还不如直接做广度优先搜索）。发散：启发式搜索用”大概率更优”换掉了”保证找到最优解”——图11-7 到图11-14 的对比显示，即使中途走了弯路，靠估计值引导的搜索规模也远小于逐层穷举的搜索树，这正是人类解决同类问题时的直觉策略：不追求同时考虑所有可能性，而是先押注在看起来最靠谱的方向上，错了再退回来重选。