搜索算法优化利用回溯算法进行优化：回溯和深度优先相似，不同之处在于对一个节点扩展的时候，并不将所有的子节点扩展出来，而只扩展其中的一个

因而具有盲目性，但内存占用少

在搜索中的优化：1.在搜索前，根据条件降低搜索规模

2.广度优先搜索中，被处理过的节点，充分释放空间

3.给据问题的约束条件进行剪枝

在剪枝时应遵循以下原则：(1)正确性：剪去的“枝条”不包含最优答案；我们知道，剪枝方法之所以能够优化程序的执行效率，是因为它能够“剪去”搜索树中的一些“枝条”

然而，如果在剪枝的时候，将“长有”我们所需要的解的枝条也剪掉了，那么，一切优化也就都失去了意义

所以，对剪枝的第一个要求就是正确性，即必须保证不丢失正确的结果，这是剪枝优化的前提

为了满足这个原则，计算机应当利用“必要条件”来进行剪枝判断

也就是说，通过解所必须具备的特征、必须满足的条件等方面来考察待判断的枝条能否被剪枝

这样就可以保证所剪掉的枝条一定不是正解所在的枝条

当然，由必要条件的定义，没有被剪枝不意味着一定可以得到正解（否则，也就不必搜索了）

(2)准确性：在保证第一条原则的情况下，尽可能的剪去更多不包含最优答案的枝条；在保证了正确性的基础上，对剪枝判断的第二个要求就是准确性，即能够尽可能多的剪去不能通向正解的枝条

剪枝方法只有在具有了较高的准确性的时候，才能真正收到优化的效果

因此，准确性可以说是剪枝优化的生命

(3)高效性：通过剪枝要能够更快的接近到达最优解

一般说来，设计好剪枝判断方法之后，我们对搜索树的每个枝条都要执行一次判断操作

然而，由于是利用出解的“必要条件”进行判断，所以，必然有很多不含正解的枝条没有被剪枝

这些情况下的剪枝判断操作，对于程序的效率的提高无疑是具有副作用的

为了尽量减少剪枝判断的副作用，我们除了要下功夫改善判断的准确性外，经常还需要提高判断操作本身的时间效率

然而这就带来了一个矛盾：我们为了加强优化的效果，就必须提高剪枝判断的准确性，因此，常常不得不提高判断操作的复杂度，也就同时降低了剪枝判断的时间效率；但是，如果剪枝判断的时间消耗过多，就有可能减小、甚至完全抵消提高判断准确性所能带来的优化效果，这恐怕也是得不偿失

很多情况下，能否较好的解决这个矛盾，往往成为搜索算法优化的关键

以上内容由大学时代综合整理自互联网，实际情况请以官方资料为准。