ΤΕΙ ΙΟΝΙΩΝ ΝΗΣΩΝ ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΠΑΡΆΡΤΗΜΑ ΛΕΥΚΑΔΑΣ ΥΠΕΥΘΥΝΗ ΚΑΘΗΓΉΤΡΙΑ Δρ. ΤΣΙΝΤΖΑ ΠΑΝΑΓΙΩΤΑ Οι παρουσιάσεις του μαθήματος βασίζονται στο.

Slides:



Advertisements
Παρόμοιες παρουσιάσεις
Εισαγωγή στους Αλγορίθμους
Advertisements

Αλγόριθμοι Αναζήτησης
PROLOG.
Εισαγωγή στους Αλγορίθμους
ΣΤΟΙΧΕΙΑ ΨΕΥΔΟΚΩΔΙΚΑ ΒΑΣΙΚΕΣ ΔΟΜΕΣ ΒΑΣΙΚΟΙ ΑΛΓΟΡΙΘΜΟΙ ΠΙΝΑΚΩΝ
Αλεξιάδης Γεώργιος ΕΠΠΑΙΚ Σαπών
ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ
 Αυδίκου Χριστίνα  Γιουμούκης Παναγιώτης  Κιντσάκης Θάνος  Πάπιστας Γιάννης.
Αναγνώριση Προτύπων.
Αναζήτηση (Search) ΤΜΗΜΑ ΜΠΕΣ.
Αλγόριθμοι Αναζήτησης
Σαρημπαλίδης Ιωάννης Εισαγωγή στους Αλγορίθμους. Γεια σας.
Αλγόριθμοι CSPs – Κώδικας Μάθημα Τεχνητής Νοημοσύνης ΥΣ02 Χειμερινό εξάμηνο
Αξιολόγηση Επενδύσεων στη Γεωργία (διάλεξη 5η)
Κεφ.1 Εισαγωγη στην εννοια του Αλγοριθμου και στον Προγραμματισμο
ΜΑΘΗΜΑ: ΣΧΕΔΙΑΣΗ ΑΛΓΟΡΙΘΜΩΝ ΔΙΔΑΣΚΩΝ: Π. ΚΑΤΣΑΡΟΣ Δευτέρα, 12 Ιανουαρίου 2015Δευτέρα, 12 Ιανουαρίου 2015Δευτέρα, 12 Ιανουαρίου 2015Δευτέρα, 12 Ιανουαρίου.
Γράφοι: Προβλήματα και Αλγόριθμοι
Επισκόπηση Εισαγωγή στην Τεχνητή Νοημοσύνη, Επίλυση προβλημάτων,
Ε. ΠετράκηςΣτοίβες, Ουρές1 Στοίβες  Στοίβα: περιορισμένη ποικιλία λίστας  τα στοιχεία μπορούν να εισαχθούν ή να διαγραφούν μόνο από μια άκρη : λίστες.
Στοίβα, Ουρά.
ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΠΛΗΡΟΦΟΡΙΚΗ
Διδάσκοντες: Σ. Ζάχος, Δ. Φωτάκης
Επισκόπηση Εισαγωγή στην Τεχνητή Νοημοσύνη Επίλυση προβλημάτων
Αλγόριθμοι 2.1.1,
Ο αλγόριθμος Bellman-Ford (επανεξετάζεται)
ΜΑΘΗΜΑ: ΣΧΕΔΙΑΣΗ ΑΛΓΟΡΙΘΜΩΝ ΔΙΔΑΣΚΩΝ: Π. ΚΑΤΣΑΡΟΣ Πέμπτη, 2 Απριλίου 2015Πέμπτη, 2 Απριλίου 2015Πέμπτη, 2 Απριλίου 2015Πέμπτη, 2 Απριλίου 2015Τμ. Πληροφορικής,
Αναζήτηση Κατά Βάθος Διδάσκοντες: Σ. Ζάχος, Δ. Φωτάκης Επιμέλεια διαφανειών: Δ. Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο.
ΜΑΘΗΜΑ: ΣΧΕΔΙΑΣΗ ΑΛΓΟΡΙΘΜΩΝ ΔΙΔΑΣΚΩΝ: Π. ΚΑΤΣΑΡΟΣ Τετάρτη, 15 Απριλίου 2015Τετάρτη, 15 Απριλίου 2015Τετάρτη, 15 Απριλίου 2015Τετάρτη, 15 Απριλίου 2015Τμ.
ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ
Μέγιστη ροή TexPoint fonts used in EMF. Read the TexPoint manual before you delete this box.: AA A AA A A Συνάρτηση χωρητικότητας Κατευθυνόμενο γράφημα.
ΕΠΛ 231 – Δομές Δεδομένων και Αλγόριθμοι13-1 Στην ενότητα αυτή θα μελετηθούν τα εξής επιμέρους θέματα: Ο αλγόριθμος Dijkstra για εύρεση βραχυτέρων μονοπατιών.
 Ανάπτυξη Εφαρμογών σε Προγραμματιστικό Περιβάλλον:  Τεχνικές Διδασκαλίας.
1 ΤΜΗΜΑ ΜΠΕΣ Αλγόριθμοι Αναζήτησης Εργασία 1 Τυφλή Αναζήτηση.
Olympia Nikou1 Τίτλος Παρουσίασης: Προσεγγιστικός Υπολογισμός των λύσεων ενός προβλήματος με: Δειγματοληψία στον χώρο αναζήτησης των λύσεων.
ΤΜΗΥΠ / ΕΕΣΤ1 Μάθημα 8 ο Ανίχνευση Ακμών. ΤΜΗΥΠ / ΕΕΣΤ2 Εισαγωγή (1)  Οι ακμές είναι βασικά χαρακτηριστικά της εικόνας Προς το παρόν δεν υπάρχει ακόμα.
ΤΕΙ ΙΟΝΙΩΝ ΝΗΣΩΝ ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΠΑΡΆΡΤΗΜΑ ΛΕΥΚΑΔΑΣ ΥΠΕΥΘΥΝΗ ΚΑΘΗΓΉΤΡΙΑ Δρ. ΤΣΙΝΤΖΑ ΠΑΝΑΓΙΩΤΑ Οι παρουσιάσεις του μαθήματος βασίζονται στο.
ΤΕΙ ΙΟΝΙΩΝ ΝΗΣΩΝ ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΠΑΡΆΡΤΗΜΑ ΛΕΥΚΑΔΑΣ ΥΠΕΥΘΥΝΗ ΚΑΘΗΓΉΤΡΙΑ Δρ. ΤΣΙΝΤΖΑ ΠΑΝΑΓΙΩΤΑ Οι παρουσιάσεις του μαθήματος βασίζονται στο.
Τεχνητή Νοημοσύνη Ενότητα 2: ΕΠΙΛΥΣΗ ΠΡΟΒΛΗΜΑΤΩΝ (Problem Solving) Κατερίνα Γεωργούλη ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ TEI ΑΘΗΝΑΣ.
ΤΕΙ ΙΟΝΙΩΝ ΝΗΣΩΝ ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΠΑΡΆΡΤΗΜΑ ΛΕΥΚΑΔΑΣ ΥΠΕΥΘΥΝΗ ΚΑΘΗΓΉΤΡΙΑ Δρ. ΤΣΙΝΤΖΑ ΠΑΝΑΓΙΩΤΑ Οι παρουσιάσεις του μαθήματος βασίζονται στο.
ΤΕΙ ΙΟΝΙΩΝ ΝΗΣΩΝ ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΠΑΡΆΡΤΗΜΑ ΛΕΥΚΑΔΑΣ ΥΠΕΥΘΥΝΗ ΚΑΘΗΓΉΤΡΙΑ Δρ. ΤΣΙΝΤΖΑ ΠΑΝΑΓΙΩΤΑ Οι παρουσιάσεις του μαθήματος βασίζονται στο.
ΕΙΣΑΓΩΓΗ ΣΤΙΣ ΕΥΡΕΤΙΚΕΣ ΜΕΘΟΔΟΥΣ Άπληστη Αναζήτηση και Αναζήτηση Α* ΣΠΥΡΟΣ ΛΥΚΟΘΑΝΑΣΗΣ, ΚΑΘΗΓΗΤΗΣ.
ΚΕΦΑΛΑΙΟ ΑΛΓΟΡΙΘΜΟΙ Αλγόριθμος Η έννοια του αλγορίθμου δεν συνδέεται αποκλειστικά και μόνο με προβλήματα της Πληροφορικής. Πχ συνταγή.
Prolog Επεξεργασία και Αναπαράσταση Γνώσης ΤΕΙ Ιονίων Νήσων Τμήμα Τεχνολογίας Πληροφορικής και Τηλεπικοινωνιών Εργαστήριο: Τεχνητή Νοημοσύνη.
ΕΠΙΣΚΟΠΗΣΗ ΛΟΓΙΣΤΙΚΗΣ Ι. ΕΝΟΤΗΤΕΣ ΛΟΓΙΣΤΙΚΗ ΙΣΟΤΗΤΑ ΙΣΟΛΟΓΙΣΜΟΣ ΚΑΧ ΛΟΓΑΡΙΑΣΜΟΙ ΚΑΤΑΧΩΡΗΣΕΙΣ ΗΜΕΡΟΛΟΓΙΟ ΓΕΝΙΚΟ ΚΑΘΟΛΙΚΟ ΙΣΟΖΥΓΙΟ ΑΠΟΣΒΕΣΕΙΣ ΑΠΟΤΙΜΗΣΗ.
1 ΔΙΑΣΧΙΣΗ ΓΡΑΦΗΜΑΤΩΝ. 2 Θέματα μελέτης Πρόβλημα αναζήτησης σε γραφήματα –Αναζήτηση κατά βάθος (Depth-first search – DFS) –Αναζήτηση κατά πλάτος (Breadth-first.
Σήματα και Συστήματα 11 10η διάλεξη. Σήματα και Συστήματα 12 Εισαγωγικά (1) Έστω γραμμικό σύστημα που περιγράφεται από τη σχέση: Αν η είσοδος είναι γραμμικός.
Ηλεκτρική Οικονομία Σταμάτης Νικολόπουλος ΑΜ: 868 ΑΣΠΑΙΤΕ, 2015.
Οι Δομές Δεδομένων Ουρά και Στοίβα
Πληροφορημένη Αναζήτηση και Εξερεύνηση
Επίλυση Προβλημάτων με Αναζήτηση
Επίλυση Προβλημάτων με Αναζήτηση
ΑΛΓΟΡΙΘΜΟΣ ΠΡΟΒΛΗΜΑ ΑΛΓΟΡΙΘΜΟΣ ΛΥΣΗ
Προβλήματα Ικανοποίησης Περιορισμών
1.3 Ιδιότητες ενός Αλγορίθμου
Δένδρα Δένδρο είναι ένα συνεκτικό άκυκλο γράφημα. Δένδρο Δένδρο Δένδρο
Διδάσκων: Δρ. Τσίντζα Παναγιώτα
ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ: ΔΙΟΙΚΗΣΗ ΕΚΠΑΙΔΕΥΤΙΚΩΝ ΜΟΝΑΔΩΝ
Δομές δεδομένων.
Μέγιστη ροή Κατευθυνόμενο γράφημα 12 Συνάρτηση χωρητικότητας
Κεφάλαιο 7: Διαδικτύωση-Internet Μάθημα 7.9: Δρομολόγηση
Συντομότερα Μονοπάτια
Προβλήματα Ικανοποίησης Περιορισμών (Επιπλέον Διαφάνειες) Μανόλης Κουμπαράκης Τεχνητή Νοημοσύνη.
Τμήμα Μηχανικών Πληροφορικής Τ.Ε.
Οι Δομές Δεδομένων Ουρά και Στοίβα
Ανάπτυξη Εφαρμογών σε Προγραμματιστικό Περιβάλλον ΑΕΠΠ
Aλγόριθμος BFS Θέτουμε i  0. Στην κορυφή x θέτουμε τη ετικέτα i.
Τεχνολογία Β’ Γυμνασίου
Μη Γραμμικός Προγραμματισμός
Η Ροή του Κόστους Παραγωγής
2ο ΕΡΓΑΣΤΗΡΙΟ – ΡΟΕΣ ΚΟΣΤΟΥΣ
Μεταγράφημα παρουσίασης:

ΤΕΙ ΙΟΝΙΩΝ ΝΗΣΩΝ ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΠΑΡΆΡΤΗΜΑ ΛΕΥΚΑΔΑΣ ΥΠΕΥΘΥΝΗ ΚΑΘΗΓΉΤΡΙΑ Δρ. ΤΣΙΝΤΖΑ ΠΑΝΑΓΙΩΤΑ Οι παρουσιάσεις του μαθήματος βασίζονται στο σύγγραμμα ‘’ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ, ΒΛΑΧΑΒΑΣ, ΚΕΦΑΛΑΣ, ΒΑΣΙΛΕΙΑΔΗΣ, ΚΟΚΚΟΡΑΣ, ΣΑΚΕΛΛΑΡΙΟΥ’’

Κεφάλαιο 3 ο ΑΛΓΟΡΙΘΜΟΙ ΤΥΦΛΗΣ ΑΝΑΖΗΤΗΣΗΣ

Ορισμός  Η διαδικασία της αναζήτησης λαμβάνει χώρα χωρίς την εφαρμογή κάποιου κριτηρίου  στα τυφλά  Όλες οι καταστάσεις αντιμετωπίζονται ως ισότιμες με μόνο κριτήριο την χρονική στιγμή παραγωγής τους από τους μηχανισμούς επέκτασης  Οι αλγόριθμοι τυφλής αναζήτησης είναι: Όνομα αλγόριθμου Depth-First Search (DFS)Αναζήτηση πρώτα σε βάθος Breadth-First Search (BFS)Aναζήτηση πρώτα σε πλάτος Iterative Deeping (ID)Επαναληπτική Εκβάθυνση Bi-directional Search (BiS)Αναζήτηση Διπλής Κατεύθυνσης Branch and Bound (B&B)Επέκταση και οριοθέτηση Beam Search (BS)Ακτινωτή Αναζήτησης Τυφλοί

Παράδειγμα επίλυσης προβλήματος με την χρήση τυφλού αλγόριθμου αναζήτησης Το πρόβλημα των ποτηριών Αρχική κατάσταση: 2 κενά ποτήρια Τελική κατάσταση: ένα από τα 2 ποτήρια περιέχει 40 ml νερού

Ο κόσμος του προβλήματος (τελεστές, προϋποθέσεις, ενδιάμεσες καταστάσεις) ΤελεστήςΓέμισμα του ποτηριού χωρητικότητας Χ ml ΠροϋποθέσειςΤο ποτήρι είναι άδειο ΑποτέλεσμαΤο ποτήρι περιέχει Χ ml ΤελεστήςΓέμισμα του ποτηριού χωρητικότητας Χ ml από το ποτήρι των Υ ml ΠροϋποθέσειςΤο ποτήρι είναι των Χ περιέχει Ζ ml Το ποτήρι είναι των Y περιέχει W ml ΑποτέλεσμαΤο ποτήρι των Χ ml περιέχει Χ ml και των Υ περιέχει W-(X-Z) αν W > X-Z Το ποτήρι των Χ ml περιέχει Ζ+W ml και των Υ περιέχει 0 αν W < X-Z ΤελεστήςΆδειασμα του ποτηριού χωρητικότητας Χ ml ΠροϋποθέσειςΤο ποτήρι δεν είναι άδειο ΑποτέλεσμαΤο ποτήρι περιέχει 0 ml

Πως ορίζεται ο χώρος αναζήτησης

Αλγόριθμος πρώτα σε βάθος Depth-First Search – DFS (1)  Ο αλγόριθμος κάνει την αναζήτηση όσο πιο ‘βαθιά’ γίνεται στο δέντρο επιλέγοντας κάθε φορά προς επέκταση την κατάσταση που βρίσκεται στο μεγαλύτερο επίπεδο του δέντρου  Σημείωση: σε περίπτωση που υπάρχουν καταστάσεις προς επέκταση στο ίδιο βάθος επιλέγεται η πιο αριστερά

Αλγόριθμος πρώτα σε βάθος Depth-First Search – DFS (2) Τα βήματα του αλγόριθμου 1. Βάλε την αρχική κατάσταση στο μέτωπο αναζήτησης 2. Αν το μέτωπο αναζήτησης είναι κενό τότε σταμάτησε, αλλιώς 3. Βγάλε την πρώτη κατάσταση από το μέτωπο αναζήτησης 4. Αν η κατάσταση ανήκει στο κλειστό σύνολο τότε πήγαινε στο βήμα 2, αλλιώς 5. Αν η κατάσταση ανήκει στις τελικές ανέφερε την λύση 6. Αν είναι επιθυμητές περισσότερες λύσεις πήγαινε στο βήμα 2. Αλλιώς σταμάτησε. 7. Εφάρμοσε τους τελεστές μετάβασης για να βρεις τα παιδία 8. Πρόσθεσε τα παιδιά στην αρχή του μετώπου αναζήτησης 9. Μετατόπισε τον γονέα στο κλειστό σύνολο 10. Πήγαινε στο βήμα 2

Αλγόριθμος πρώτα σε βάθος Depth-First Search – DFS (3) Πλεονεκτήματα και μειονεκτήματα  Το μέτωπο αναζήτησης μπορεί να δημιουργηθεί μέσω μιας δομής στοίβας (LIFO – Last In First Out)  chronological backtracking  Πλεονεκτήματα: Το μέτωπο αναζήτησης δεν μεγαλώνει πολύ  μικρές απαιτήσεις σε χώρο Σε περίπτωση πεπερασμένου χώρου αναζήτησης θα μας δώσει λύση εφόσον αυτή υπάρχει  Μειονεκτήματα: Η πρώτη λύση που θα βρεθεί δεν είναι απαραίτητα η βέλτιστη (κριτήριο  αριθμός βημάτων) Μη πλήρης: αναζήτηση σε κλαδιά μεγάλου μήκους ή και ατέρμονα

Εφαρμογή DFS στο πρόβλημα των ποτηριών

Μέτωπο αναζήτησης Κλειστό σύνολοΚατάστασηΠαιδιά { }Α {Α}Β {Α,Β}ΑΒΡΟΓΧΟΣ {Α,Β}Γ {Α,Β,Γ}ΒΒΡΟΓΧΟΣ {Α,Β,Γ}Ε {Α,Β,Γ,Ε}ΑΒΡΟΓΧΟΣ {Α,Β,Γ,Ε}Θ {Α,Β,Γ,Ε,Θ}ΕΒΡΟΓΧΟΣ {Α,Β,Γ,Ε,Θ}ΓΒΡΟΓΧΟΣ {Α,Β,Γ,Ε,Θ}Η {Α,Β,Γ,Ε,Θ,Η}ΚΛΎΣΗ

Αλγόριθμος πρώτα σε πλάτος Breadth-First Search – BFS (1) Κάνει πρώτα αναζήτηση σε όλες τις καταστάσεις που βρίσκονται στο ίδιο βάθος στο δέντρο και κατόπιν συνεχίζει με την επέκταση των καταστάσεων Τα βήματα του αλγόριθμου 1. Βάλε την αρχική κατάσταση στο μέτωπο αναζήτησης 2. Αν το μέτωπο αναζήτησης είναι κενό τότε σταμάτησε, αλλιώς 3. Βγάλε την πρώτη κατάσταση από το μέτωπο αναζήτησης 4. Αν η κατάσταση ανήκει στο κλειστό σύνολο τότε πήγαινε στο βήμα 2, αλλιώς 5. Αν η κατάσταση ανήκει στις τελικές ανέφερε την λύση 6. Αν είναι επιθυμητές περισσότερες λύσεις πήγαινε στο βήμα 2. Αλλιώς σταμάτησε. 7. Εφάρμοσε τους τελεστές μετάβασης για να βρεις τα παιδία 8. Πρόσθεσε τα παιδιά στο τέλος του μετώπου αναζήτησης 9. Μετατόπισε τον γονέα στο κλειστό σύνολο 10. Πήγαινε στο βήμα 2

Αλγόριθμος πρώτα σε πλάτος Breadth-First Search – BFS (2) Πλεονεκτήματα και μειονεκτήματα  Το μέτωπο αναζήτησης μπορεί να δημιουργηθεί μέσω μιας δομής ουράς (FIFO – First In First Out)  Πλεονεκτήματα: Η πρώτη λύση που θα βρεθεί είναι η βέλτιστη (κριτήριο  αριθμός βημάτων) Είναι πλήρης  Μειονεκτήματα: Το μέτωπο αναζήτησης μεγαλώνει πολύ  μεγάλες απαιτήσεις σε χώρο

Εφαρμογή ΒFS στο πρόβλημα των ποτηριών (1) Μέτωπο αναζήτησης Κλειστό σύνολοΚατάστασηΠαιδιά { }Α {Α}Β {Α,Β}Γ {Α,Β,Γ}Α- (βξόρνο) {Α,Β,Γ}Γ {Α,Β,Γ,Γ}Δ {Α,Β,Γ,Γ,Δ}Α- (βξόρνο) {Α,Β,Γ,Γ,Δ}Β- (βξόρνο) {Α,Β,Γ,Γ,Δ}Ε {Α,Β,Γ,Γ,Δ,Ε}Γ- (βξόρνο {Α,Β,Γ,Γ,Δ,Ε}Α- (βξόρνο) {Α,Β,Γ,Γ,Δ,Ε}Ζ

Εφαρμογή ΒFS στο πρόβλημα των ποτηριών (2) Μέτωπο αναζήτησης Κλειστό σύνολοΚατάστασηΠαιδιά {Α,Β,Γ,Γ,Δ,Ε,Ζ}Α- (βξόρνο) {Α,Β,Γ,Γ,Δ,Ε,Ζ}Θ {Α,Β,Γ,Γ,Δ,Ε,Ζ}Γ- (βξόρνο) {Α,Β,Γ,Γ,Δ,Ε,Ζ}Δ- (βξόρνο) {Α,Β,Γ,Γ,Δ,Ε,Ζ}Γ- (βξόρνο) {Α,Β,Γ,Γ,Δ,Ε,Ζ}Ε- (βξόρνο) {Α,Β,Γ,Γ,Δ,Ε,Ζ}Γ- (βξόρνο {Α,Β,Γ,Γ,Δ,Ε,Ζ}Η {Α,Β,Γ,Γ,Δ,Ε,Ζ,Η}ΚΤΕΛΙΚΗ

Αλγόριθμος Επαναληπτικής Εκβάθυνσης Iterative Deepening – ID (1) Συνδυάζει τους DFS και BFS Τα βήματα του αλγόριθμου 1. Όρισε το αρχικό βάθος αναζήτησης (συνήθως 1) 2. Εφάρμοσε τον αλγόριθμο DFS μέχρι το ορισμένο βάθος αναζήτησης. 3. Αν έχει βρεθεί λύση σταμάτησε 4. Αύξησε το βάθος αναζήτησης (συνήθως κατά ένα) 5. Πήγαινε στο βήμα 2.

Αλγόριθμος Επαναληπτικής Εκβάθυνσης Iterative Deepening – ID (2) Πλεονεκτήματα και μειονεκτήματα  Πλεονεκτήματα Είναι πλήρης Στην περίπτωση που το βάθος αναζήτησης αυξάνεται κατά 1 και ο ID βρει λύση τότε θα είναι η βέλτιστη Έχει την ίδια πολυπλοκότητα σε χώρο και σε χρόνο με τους αλγόριθμους DFS και BFS σε περίπτωση μεγάλων χώρων αναζήτησης Δεν εμπλέκει την αναζήτηση σε ατέρμονα κλαδιά  Μειονεκτήματα: Σε κάθε αναζήτηση σε διαφορετικό βάθος δεν ‘θυμάται’ το προηγούμενο

Αναζήτηση διπλής κατεύθυνσης (Bidirectional Search - BiS) (1)  Θα πρέπει Οι τελεστές να είναι αντιστρέψιμοι Να είναι πλήρως γνωστή η τελική κατάσταση Τα βήματα του αλγόριθμου 1. Η αναζήτηση αρχίζει τόσο από την αρχική όσο και από την τελική κατάσταση 2. Όταν φτάνουμε σε μια κατάσταση που είναι κοινή και από τις 2 πλευρές έχει βρεθεί λύση 3. Η αναπαράσταση της λύσης είναι η διαδρομή από την αρχική ως την ενδιάμεση κοινή και από αυτήν στην τελική  Μειονέκτημα: επιπλέον κόστος για την επικοινωνία μεταξύ των αναζητήσεων