搜尋算法是一類利用計算機的高性能來有目的地窮舉一個問題解空間的部分或所有的可能情況，從而求出問題的解的方法。這些算法通常套用於計算機科學和人工智慧領域，目的是在某種條件下找到問題的最佳解決方案。
搜尋算法的主要分類包括：
枚舉算法：簡單地將問題的所有候選解都枚舉出來，然後逐一檢驗，找出符合問題要求的解。
深度優先搜尋（DFS）：儘可能「深」地搜尋樹，先選擇某一種可能情況向前（子結點）探索，若發現原選擇不符合要求，則回溯至父結點，繼續探索。
廣度優先搜尋（BFS）：系統地從圖的根節點開始，逐層向外擴展，直到找到目標節點或確定不存在解。
A*算法：一種啟發式搜尋算法，通過評估每個節點的成本和啟發式值來選擇下一個要探索的節點。
回溯算法：通過探索所有可能性，並在必要時回溯到前一步，重新評估和探索其他路徑。
蒙特卡洛樹搜尋：適用於大規模搜尋問題，通過構建搜尋樹並使用隨機抽樣來指導搜尋過程。
散列函式：用於快速查找數據結構中存儲的數據項。
此外，還有一些其他搜尋算法，如爬山法、分支限界算法等，它們各自適用於特定類型的問題和場景。
最佳化搜尋算法的方法包括：
在搜尋前根據條件降低搜尋規模；
根據問題的約束條件進行剪枝；
利用搜尋過程中的中間解，避免重複計算。
套用案例包括機器學習、自然語言處理、遊戲AI等。