有几种知情和不知情的搜索算法。它们并不都具有相同的时间和空间复杂度（这也取决于具体的实现）。我可以提出一种在时间或空间复杂度方面效率极低的知情搜索算法。因此，一般而言，就空间和时间复杂度而言，知情搜索算法并不比不知情的搜索算法更有效。

然而，鉴于知情搜索算法使用“领域知识”（即估计到目标节点距离的启发式函数），在实践中，如果给定更知情的“启发式”，它们往往会更快地找到目标节点（为了找到最佳解决方案，它需要被接受）。例如，理论上，A*具有指数时间和空间复杂性（关于分支因子和树的深度），但在实践中，它往往表现得不错。它往往有一个有效的分支因子（即特定问题实例的分支因子）非常“小”（对于几个问题）。

什么是更明智的启发式？直观地说，它是一种启发式方法，可以更快地关注搜索空间的有希望的部分。让我们表示$h$启发式函数。如果$h(n)=0$, 对于所有节点$n$，那么这是一个可接受的启发式，因为它总是低估到目标的距离（也就是说，它总是返回$0$）。但是，这是一种非常不明智的启发式方法：无论您是在起始节点还是目标节点，估计值总是相同的（因此，就估计值而言，您无法区分起始节点和目标节点）。给定两个可接受的启发式$h_1$和$h_2$,$h_2$比$h_1$如果$h_1(n) \leq h_2(n)$, 对于所有节点$n$.

不知情的搜索算法执行穷举搜索。有几种方法可以执行这种详尽的搜索（例如广度优先或深度优先），它们比其他方法更有效（取决于搜索空间或问题）。鉴于他们执行详尽的搜索，他们倾向于探索搜索空间的“无趣”部分。因此，在实践中，它们可能比知情搜索算法效率更低（也就是说，它们可能需要更多时间来找到解决方案）。