بسیاری از مسائل سخت را میتوان بصورت یک گراف فضای حالت مدل کرد طوری که با جستجوی هوشمندانه در آن گراف با استفاده از توابع مکاشفه ای پذیرفتنی و سازگار، حل مسئله اصلی برای یافتن پاسخ بهینه تسریع گردد. نخستین الگوریتمهای جستجوی مکاشفه-ای همچون a*، نیاز به میزان حافظه زیادی دارند. ida* نتیجه ادغام a* با الگوریتمی به نام جستجوی تکرار عمقی است که نیاز به حافظه زیادی ندارند. این تکنیکها بعلت عدم نیاز به حافظه بالا و در نتیجه عدم ارجاعهای مکرر به حافظه زمینه تحقیقاتی جدیدی را فراهم کردند. با افزایش ظرفیت حافظه های کامپیوتری روشهای نوینی در این زمینه ارائه شدند. الگوریتم جستجوی پیرامونی با استفاده بهینه از حافظه تخصیص داده شده به آن، کارایی جستجوی مکاشفه ای را بهتر میکند. همچنین پایگاه الگویی داده ها با در اختیار داشتن حافظه کافی، نوع جدیدی از توابع مکاشفه ای را ارائه میدهد که روشهای یاد شده را تسریع میبخشد. در این تحقیق تعدادی از این تکنیکها، الگوریتمها و داده ساختارهای مربوط به آنها را بررسی کرده و روش جدیدی را برای انتخاب ترتیب گره ها در الگوریتم ida* ارائه میکنیم. همچنین در مرحله درهمسازی مربوط به الگوریتم a*، تعدادی روش مبتنی بر روابط ریاضی همچون رتبه بندی و فاکتورادیک را به منظور فراهم کردن یک جدول درهم سازی که برای گره های تولید شده در الگوریتم a* به اندازه کافی بزرگ باشد ارائه و پیاده سازی میکنیم. طرح ما برای انتخاب گره که his-tree نام دارد یک ترتیب بندی دوباره و پویای گره های جلویی است که برای آن دسته از مسائلی که در حالت ساده ida* بطور پیش فرض خوب مرتب سازی نشده اند بهتر از استراتژی های پیشین خود عمل میکند. ما در این استراتژی امتیازهایی را برای گره های جلویی در یک داده ساختار درختی ذخیره میکنیم و این امتیازها برای تصمیم گیری بر روی ترتیب گره ها در تکرار بعدی در الگوریتم ida* مورد استفاده قرار میگیرند.