Q-learning 和 A* 都可以被视为搜索算法，但除此之外，它们并不是很相似。

Q-learning 是一种强化学习算法，即试图通过使用某些策略（不同于您想学习的策略），例如$\epsilon$-贪心政策，给定价值函数的当前估计。Q-learning 是一种数值（和随机优化）算法，可以显示在表格情况下收敛到最优解（但是当您使用函数逼近器（例如神经网络）来表示值时，它不一定会收敛）功能）。Q-learning 可以看作是一种搜索算法，其中解决方案是价值函数（或策略），搜索空间是一些价值函数（或策略）的空间。

另一方面，A* 是一种通用搜索算法，可应用于搜索空间可以表示为图的任何搜索问题，其中节点是位置（或位置），边是之间的权重（或成本）这些职位。A* 是一种知情的搜索算法，因为您可以使用（知情的）启发式来指导搜索，即您可以使用领域知识来指导搜索。A* 是一种最佳优先搜索(BFS) 算法，它是一系列搜索算法，通过根据某个目标函数跟踪下一个最佳位置来探索搜索空间，这取决于特定的 BFS 算法。例如，在 A* 的情况下，目标函数是$f(n) = h(n) + g(n)$， 在哪里$n$是一个节点，$h$启发式函数和$g$计算从起始节点到路径成本的函数$n$. A* 也被认为是最优的（假设启发式函数是可接受的）