A 左手摸墙算法的描述。
- 当左手边没有墙时，左转前进一步；
- 当左手边有墙且前方没有墙时，前进一步；
- 当左手边有墙且前方也有墙时，右转前进一步；
右手摸墙算法，只需将上面的“左”换作“右”，“右”换作“左”。
B 摸墙算法存在的问题，路径冗余度搞高
比如在一个封闭房间中，左手摸墙算法和右手摸墙算法，使用的总能耗差异很大。
这个问题需要用用遗传算法的思想剞劂。
多次使用左手和右手摸墙算法，依靠积累经验来得到概率结论，然后根据不同条件进行学习之后得知下一次采取哪种摸墙。
C 摸墙算法的性能改善
这个策略只是用与多次重复走一个迷宫的情况，对于走陌生的迷宫，不适用。
当作出一次移动时，在路径中查找先前是否经过相同的点，如果有那么就说明到这一步为止完成了一个圈子，在遗传算法中，把它从路径中除去。
多次行动测试后，将会改善能耗效果，得到一点经验概率结果。
去除圈子的算法是：
假设左手摸墙走，取得所有已经过路径记为dimension[all]
遍历dimension all to 0， 碰见重复的路径节点，证明，这个点所经历的左手摸墙路径是一个圈
将这个点标记，以后在这里跳过这个位置的左手摸墙而采用直走跳过这个节点。
思考：如何给小车在开放空间中，做环形路径点的标记？
D 深度优先搜索算法：
程序运行时将按照从上到下，从左到右的顺序遍历整棵树。
对于真实环境的物理小车，需要为小车安装指南针或者陀螺仪才行。理论上加速度传感器也能做到，但是算法上也许要稍微复杂一点。
深度优先算法按以下规则执行遍历：
- 1，判断当前节点是否为目标节点，如是，返回成功。
- 2，检查当前节点是否还有未访问过的子节点，若否goto 4。 => 4，检查当前节点是否有上层节点，若有访问上层节点，设为当前节点。goto 1。
- 3，访问子节点，设为当前节点，设已访问。goto 1。
- 5，返回失败。
E 广度优先搜索算法：
-
1、从图中某个顶点V0出发，并访问此顶点；
2、从V0出发，访问V0的各个未曾访问的邻接点W1，W2，…,Wk;然后,依次从W1,W2,…,Wk出发访问各自未被访问的邻接点；
3、重复步骤2，直到全部顶点都被访问为止。
广度优先的好处在于，如果有多个出口，那么第一个被找到的出口消耗时间最短，广度最小，也即路劲最短。
另一个额外的好处是，可以知道所有的出口。得到一个统计结果。