最近做了很多这方面的题，看了很多前辈们的资料。逐渐对这些算法有了一些理解。

Dijkstra算法就是传统的求最短路算法。每次维护一个堆，记录未找到与源点之间最短路的点，然后不断从中取出最小的点，出堆，然后对其他点跟新。（可用set实现）

A*算法与Dijkstra的区别就是每次出堆的点是到目的点相对最近的（用启发函数计算），然后对其他点跟新。A*算法总可以确定的找到一条最短路径。关于A*的正确性可以参考相关人工智能书籍。

IDA*算法是对迭代加深搜索的优化，是DFS与估计函数的完美结合。它通过设置一个搜索过程中的最大深度，当此状态距离目标状态超过此深度时，便不去搜索。IDA*的初始深度是起始状态到目标状态的估计距离。随着搜索深入调整这个最大深度值，但这个并不像迭代加深搜索每次只能加一。IDA*总的来说省去了A*的判重时间和空间以及存储当前状态的堆，因此空间效率很高。但数据太大时A*就会显示出强大。