在人工智能方面，我现在正在阅读有关规划的内容。但作为一个对人工智能的天真者，我无法理解他们坚持“计划和搜索之间的区别”的意思。
我有 C/C++ 之类的过程编程知识，并且可以根据数据结构进行搜索。
而且我无法理解他们给出的“人工智能：一种现代方法 - Stuart Russell”中给出的 Buy(ISBN0123654789) 和 Have(ISBN0123456789) 的示例，搜索一个十位数的 ISBN 号码将采取 100 亿次行动。
我的问题是关于如何搜索一本书需要 100 亿次操作，但计划不需要。
罗素和诺维格并不是说搜索和计划是不同的事情。事实上，在我认为你正在讨论的部分（在蓝色版的第 10 章中）他们说的恰恰相反：计划问题可以简化为搜索问题。
但是，表示为搜索的计划可能具有非常大的搜索空间。在本书的示例中，有 10^10 种不同的可能动作，并且使用不知情的搜索技术，计算机不会“知道” buy(x) 的结果是 have(x)，尽管这对人类来说是微不足道的。因此，即使是单一行动计划的搜索空间也是巨大的。这听起来很愚蠢，但这是不知情搜索的定义。
因此，实际工作的规划算法需要一些算法和/或启发式的聪明才智，这一章的其余部分将继续描述。在本书的示例中，改进的搜索原因从 have(x) 的目标向后推，使用 buy(x) 与 have(x) 连接执行一些一阶逻辑模式列表，并得出正确的操作。
作为旁注，我非常喜欢罗素和诺维格的书，以及他们的一般工作。但我发现计划章节有点薄弱。Lozano-Perez 和 Kaelbling 教授在课堂上使用该书的前一版本在线获取了他们的讲义。他们的笔记非常详细，并附有示例。当我学习这个材料时，我发现它们是一个很好的补充：
我不熟悉您引用的具体示例，但无论如何我都会尝试。
搜索是一个几乎完全通用的结构：有一个可能性空间，你想找到一个，但你必须通过检查一个（不一定是正确的）子集来找到它。关于特定的搜索问题（即空间是什么，你如何查询它等）和特定的搜索算法（最重要的是，你如何组织你在什么地方查询的空间的哪些部分）有各种各样的细节。命令）。几乎任何问题都可以作为搜索问题提出（可能性空间是什么，以及如何判断哪个是所需的），这就是它在人工智能中如此重要的原因。
计划是一种特殊的搜索：它是在行动序列（或更一般地，部分顺序）的空间中搜索满足某些标准的计划。这并不意味着它必须作为搜索来实现（就像一些可以使用搜索解决的问题可以通过其他方式解决一样），但可以这样描述问题。
说通过 ISBN 查找一本书将采取 100 亿次操作表明检查 ISBN 是其中一项操作（因为有很多可能的 ISBN），但以某种方式计划（即找到合适的操作顺序）将导致更少的操作（因为那么你就不需要检查所有的 ISBN 了吗？）。但如果没有问题的细节，我不能说这种说法有多合理。
计划可以利用回归搜索，即从目标状态开始并形成计划以达到初始状态。
对于您的书示例，如果您从 PRECONDITION: buy(B), ISBN(B) 开始，那么您可能有数百万个可能性要注意（因为有一百万个 ISBN 编号），但是您想“计划”如何达到目标状态，而不仅仅是“搜索”
计划为您提供了达到目标状态所需的一系列操作。搜索与“动作”无关
资料来源：Udacity AI 课程和 AIMA：Russel，Norvig
搜索和规划的主要区别在于状态的表示 在搜索中，状态被表示为单个实体（可能是一个相当复杂的对象，但搜索算法不使用其内部结构） 在规划中，状态具有结构化的表示规划算法使用的（属性集合）
为了简短起见，区别在于：
搜索是并行完成的，并且是一个非常不知名的操作
国家代表：
规划可以利用回归搜索