在人工智能方面，我现在正在阅读有关规划的文章。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"的观点。
我有C/C++等过程编程知识，可以根据数据结构进行搜索。
而且我无法理解买入（ISBN0123654789）和 在"人工智能：现代"中给出（ISBN0123456789） 方法 - 斯图尔特·罗素"，他们在其中给出，搜索十位数的 ISBN 数字将采取100亿次行动。
我的问题是，搜索一本书需要100亿次行动，但计划不需要。
Russell和Norvig并不是说搜索和计划是不同的东西。 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：规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。 在书中的例子中，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） 会导致 have（x），即使这对人类来说是显而易见的。 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，但这是无知搜索的定义。
因此，实际有效的规划算法需要一些算法和/或启发式的聪明，本章的其余部分将继续描述。 在本书示例中，改进的搜索原因从have（x）的目标向后，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，我是罗素和诺维格的书以及他们工作的忠实粉丝。 但我发现计划章节有点薄弱。 Lozano-Perez教授和Kaelbling教授在网上使用上一版的书在课堂上写了讲义。 他们的笔记非常详细，并附有示例。 当我学习这些材料时，我发现它们是一个很好的补充：
http://ocw.mit.edu/courses/electrical-engineering-and-computer-science/6-825-techniques-in-artificial-intelligence-sma-5504-fall-2002/index.htm
熟悉你引用的具体例子，但我还是会尝试。
搜索几乎是一个完全通用的结构：有一个可能性的空间，你想找到一个，但你必须通过检查一个（不一定正确的）子集来找到它。 关于特定的搜索问题（即空间是什么，如何允许查询它等）和特定的搜索算法（最重要的是，如何以什么顺序组织空间的哪些部分），有各种各样的细节。 几乎任何问题都可以被提出为搜索问题（可能性的空间是多少，你如何判断哪个是理想的），这就是为什么它在人工智能中占有如此突出的地位。
计划是一种特殊的搜索：它是在行动序列（或更一般地说，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实现（就像一些可以使用搜索解决的问题可以用其他方式解决一样），但问题可以这样描述。
说通过 ISBN 查找一本书需要 100 亿次操作表明检查 ISBN 是其中一项行动（因为有很多可能的 ISBN），但不知何故计划（即找到适当的操作顺序）将导致更少的操作（因为您不需要检查所有 ISBN？）。 但是，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，形成达到初始状态的计划。
以你的书为例，如果你从PRECONDITION：buy（B），ISBN（B）开始，那么你可能有一百万个可能性去寻找（因为有一百万个ISBN数字），但你想"计划"如何达到目标状态，而不仅仅是"搜索"。
计划为您提供达到目标状态所需的操作顺序。搜索与"操作"无关
资料来源：Udacity AI课程和AIMA：Russel，Norvig
搜索和规划之间的主要区别在于国家在搜索中，状态表示为单个实体（这可能是相当复杂对象，但其内部结构不被搜索算法使用）在规划中，各州具有结构化表示（属性集合）由计划算法使用
为了简短起见，区别在于：
-
搜索是并行完成的，并且是一项非常不知名的操作
-
各州代表：
- 搜索状态表示为不使用其内部结构的单个实体 计划
- 状态具有计划算法使用的结构化表示形式
-
规划可以利用回归搜索
- 即从目标开始，从初始状态形成计划