A* 或双向广度优先搜索？
A* or Bidirectional Breadth First Search?
不确定这是不是该问的地方，但是，
我在Java中编写了一个双向广度优先搜索算法，它同时从图中的起始节点和图中的目标节点进行搜索。在具有 3000000（300 万）个节点的图中，所有节点平均与 4 个其他节点（与 two-way/bidirectional 边连接）相连，在平庸的 CPU 上平均仅需 0.5 秒即可找到任意两个随机节点之间的最短路径，大约 10 秒是我发现超过 30 次测试运行的最坏情况时间。
假设只需要搜索一条路径（例如，在绘制起点和终点之间的路线时），在这种情况下使用具有良好启发式的 A* 算法的优势是什么？是的，寻找路径可能会稍微快一些，但 A* 很可能找不到最短路径。
有人可以详细说明为什么 A* 经常被选择而不是双向广度优先搜索以及它在性能方面产生的优势（计算时间、内存使用、找到最佳解决方案的机会等）吗？
此外，
大家复活节快乐！
双向搜索在可行时非常好，但它依赖于能够像起始节点一样轻松地生成目标节点（例如，您如何 select 国际象棋游戏中的目标节点？），并且分支因子在两个方向上相似。它依赖于能够完全倒退，做到这一点。即使您有很好的启发式算法，您也不太可能在搜索的反向部分充分利用它。
不确定这是不是该问的地方，但是，
我在Java中编写了一个双向广度优先搜索算法，它同时从图中的起始节点和图中的目标节点进行搜索。在具有 3000000（300 万）个节点的图中，所有节点平均与 4 个其他节点（与 two-way/bidirectional 边连接）相连，在平庸的 CPU 上平均仅需 0.5 秒即可找到任意两个随机节点之间的最短路径，大约 10 秒是我发现超过 30 次测试运行的最坏情况时间。
假设只需要搜索一条路径（例如，在绘制起点和终点之间的路线时），在这种情况下使用具有良好启发式的 A* 算法的优势是什么？是的，寻找路径可能会稍微快一些，但 A* 很可能找不到最短路径。
有人可以详细说明为什么 A* 经常被选择而不是双向广度优先搜索以及它在性能方面产生的优势（计算时间、内存使用、找到最佳解决方案的机会等）吗？
此外， 大家复活节快乐！
双向搜索在可行时非常好，但它依赖于能够像起始节点一样轻松地生成目标节点（例如，您如何 select 国际象棋游戏中的目标节点？），并且分支因子在两个方向上相似。它依赖于能够完全倒退，做到这一点。即使您有很好的启发式算法，您也不太可能在搜索的反向部分充分利用它。