Die heuristische Suche ist eine Suchstrategie in der künstlichen Intelligenz (KI), die darauf abzielt, Lösungen für komplexe Probleme effizient zu finden, ohne den gesamten Suchraum auszuprobieren. Im Gegensatz zur exahaustiven Suche, die systematisch alle möglichen Lösungen überprüft, nutzt die heuristische Suche sogenannte Heuristiken – also faustähnliche Regeln oder Annahmen –, um die Suche zu beschleunigen und den Aufwand zu minimieren.
Heuristiken sind problemabhängige oder problemunabhängige Regeln, die helfen, die relevante Information aus einem Problem zu extrahieren und die Suche auf vielversprechende Bereiche zu konzentrieren. Sie sind besonders nützlich in Situationen, in denen der Suchraum zu groß oder zu komplex ist, um ihn vollständig zu durchsuchen. Ein Beispiel hierfür ist die Routenplanung in Navigationssystemen, bei der die effizienteste Strecke oft mithilfe heuristischer Algorithmen gefunden wird.
Ein bekannter Algorithmus, der heuristische Suchen nutzt, ist der A*-Algorithmus. Dieser kombiniert die Vorteile eines Best-First-Suchens mit denen einer kostengesteuerten Suche, um eine optimale Lösung zu finden. Weitere Beispiele sind der Greedy-Algorithmus und der Best-First-Search, die jeweils unterschiedliche Heuristiken anwenden, um die Suche zu priorisieren.
Die heuristische Suche bietet entscheidende Vorteile, wie z.B. eine deutliche Reduzierung des Rechenaufwands und eine schnellere Lösungsfindung. Allerdings kann sie auch Nachteile haben, wie z.B. die Möglichkeit, in lokale Optima zu geraten oder suboptimale Lösungen zu liefern, wenn die verwendeten Heuristiken nicht gut an das Problem angepasst sind.
In der Praxis wird die heuristische Suche in vielen Anwendungen der KI eingesetzt, wie z.B. in der Pathfinding (Pfadplanung), bei der Planung von Aktionen oder in Expertensystemen. Sie ist ein wichtiger Baustein für effiziente Problemverarbeitung in komplexen Umgebungen.