A* 搜索（A* search）是一种在图中寻找从起点到目标最低成本路径的算法。它每次优先扩展“已花成本 + 预计剩余成本”最小的节点，用公式表示是 f(n)=g(n)+h(n)。
g(n) 是从起点走到节点 n 的真实代价，h(n) 是启发式函数（heuristic function），估计从 n 到目标还要多少代价。可以把它想成开车导航：g 是已经开过的里程，h 是导航估算的剩余里程；A* 不会只挑“已走最少”的路，也不会只挑“看起来离终点最近”的路，而是挑“总账最省”的路。实现上通常用优先队列，每次弹出 f 值最小的节点，直到弹出目标。
它比 BFS（广度优先搜索）和 DFS（深度优先搜索）快，关键在“有方向”。BFS 像水波一样向四周均匀扩散，能保证无权图最短，但会把大量无关区域翻一遍；DFS 一条路走到黑，内存省，却不保证最短。A* 用 h 把搜索往目标方向拉，常能少扩展很多节点。和 Dijkstra 相比，Dijkstra 可看作 h=0 的 A*；和贪心最佳优先搜索（Greedy Best-First Search）相比，贪心只看 h、不看 g，跑得快但可能错过最优解。
h 不是随便拍脑袋就行。在树搜索中，要保证最优性，h 必须“可采纳”（admissible）：对任何节点都不能高估真实剩余代价。比如真实还要走 10 公里，h 可以说 8 或 10，不能说 15。高估会让算法误以为某条路已经很贵，提前放弃实际更便宜的路径。图搜索中常进一步要求一致性（consistent），即 h 的估计随边移动不会“跳变”得太离谱，这样实现更简单，通常无需反复重开节点。
对从业者，A* 的价值是：在路径规划、游戏寻路、拼图与规划问题中，用一个靠谱的估价函数把搜索空间砍小；对普通人，它像导航软件——既看已走路程，也看剩余路况，优先试最有希望的方向。启发式设计得好不好，往往决定它是“聪明地带路”还是“带偏全队”。