---
title: "最佳優先搜尋（Best-First Search）"
slug: best-first-search
language: zh-TW
source: https://aiterms.tw/terms/best-first-search
updated_at: 2026-11-16
tags: [AI基礎, 演算法, 搜尋演算法, Best-First Search, 最佳優先, 貪婪最佳優先搜尋, Greedy Best-First Search, A* 搜尋, A*]
ipas_term: false
---

# 最佳優先搜尋（Best-First Search）

> **要在一大堆可能的路線裡找到終點，先走哪一條？**
>
> 最佳優先搜尋的做法是：替目前待展開的候選算一個「評估值」排出順序，每一步都先展開看起來最有希望的那一個。
>
> 評估值怎麼算，決定它是均一成本搜尋、貪婪最佳優先搜尋還是 A* 搜尋，它們都是同一個家族。

### 容易混淆

> **最佳優先搜尋 vs 廣度優先搜尋**
>
> 廣度優先搜尋通常用一般佇列，先把離起點步數少的一層看完，再往外一層（步數是經過幾條邊，不看實際距離）
> 最佳優先搜尋通常用優先佇列，不管層次，評估值最好的先看
> 最關鍵的區別是下一步怎麼決定。NIST 把最佳優先搜尋描述為改良的廣度優先搜尋，改良指的是用評估值決定順序，不代表每個變體都比較好。
>
> **貪婪最佳優先搜尋 vs A* 搜尋**
>
> 貪婪最佳優先搜尋只看到目標還要多少的估計成本，不保證找到成本最低的路徑
> A* 搜尋把已經花掉的成本加上到目標的估計成本一起算，只要估計值不會高估實際剩下的成本，就保證找到成本最低的路徑
> 最關鍵的區別是有沒有把已花的成本算進去，兩者都是最佳優先搜尋的變體。
>

### 記住這句就好

> 待展開的候選排好優先順序，每次先看評估最好的那一個。

### 實際案例

> **地圖找路線**
> 從台北找路到高雄，把每個路口當成節點，用「從台北沿道路走到這個路口的距離」加上「這個路口到高雄的直線距離」當評估值，評估值最小的路口先展開，這就是 A* 搜尋的做法。道路距離不可能比直線距離短，這個估計值不會高估，所以 A* 能找到最短路線。
>
> **AI 代理挑下一步（示意情境）**
> 假設把 AI 代理執行行動後到達的每個狀態看成節點，替每個狀態打一個分數放進優先佇列，每次取出分數最好的往下試。新的候選也依分數排進佇列，所以下一步可能沿著目前這條路繼續走，也可能跳回先前分數更好的另一條路，這就是最佳優先的思路。
>

### 演算法與應用

> 把起點放進優先佇列，評估值最好的排在最前面。
> 每一輪取出佇列最前面的節點，如果是目標就結束，不是的話就把它標記為已展開，算出它的鄰居的評估值放進佇列，避免在有環的圖上重複展開同一個節點（A* 找到更便宜的路徑時要更新）。
> 評估值怎麼算決定變體：只看已花成本是均一成本搜尋，只看到目標的估計成本是貪婪最佳優先搜尋，兩者相加是 A* 搜尋。
> 以 A* 為例，只要到目標的估計值不會高估實際剩下的成本，就保證找到成本最低的路徑。估計值不準時可能先探索很多沒有希望的方向，如果高估，A* 可能找不到最短路徑。

### 情境判斷

> **Q1（直覺題）：搜尋時把所有候選依「估計離目標多近」排序，每次先展開最近的那個，這是什麼搜尋策略？**
>
> → 這是最佳優先搜尋，只看到目標估計成本的版本稱為貪婪最佳優先搜尋，有些教材直接把它叫做最佳優先搜尋。
>
> **Q2（判斷題）：最佳優先搜尋和廣度優先搜尋一樣，都用一般佇列先進先出？**
>
> → 不對。廣度優先搜尋通常用一般佇列，最佳優先搜尋通常用優先佇列，依評估值決定順序。
>

---

來源：https://aiterms.tw/terms/best-first-search
快查頁：https://aiterms.tw/terms/best-first-search
出處：
- best-first search（NIST Dictionary of Algorithms and Data Structures，2019-02-11 修訂）：https://xlinux.nist.gov/dads/HTML/bestfirst.html
- breadth-first search（NIST Dictionary of Algorithms and Data Structures，2019-04-22 修訂）：https://xlinux.nist.gov/dads/HTML/breadthfirst.html
- Lecture 13: Graphs I: BFS（MIT 6.006 Introduction to Algorithms，Fall 2011，MIT OpenCourseWare）：https://ocw.mit.edu/courses/6-006-introduction-to-algorithms-fall-2011/1208e162775f6f5cedfbb9f2b694ede0_MIT6_006F11_lec13.pdf
- Artificial Intelligence: A Modern Approach（Russell、Norvig）第 4 章 Informed Search and Exploration（作者官方網站提供的章節 PDF）：https://aima.eecs.berkeley.edu/4th-ed/pdfs/newchap04.pdf
- A Formal Basis for the Heuristic Determination of Minimum Cost Paths（Hart、Nilsson、Raphael，IEEE Transactions on Systems Science and Cybernetics 4(2)，1968）：https://doi.org/10.1109/TSSC.1968.300136
最後更新：2026/11/16