الگوریتم جست وجوی اول-بهترین حریصانه یکی از استراتژی های جست وجوی آگاهانه میباشد و سعی میکند گره ای را بسط دهد که به گره هدف نزدیکتر است به امید اینکه سریعتر به جواب برسد

الگوریتم جست وجوی *A، از دیگر استراتژی های جست وجوی آگاهانه میباشد و گره ای را برای بسط انتخاب میکند که مسیر بهینه ای برای آن پیدا شده باشد و در شرایطی کامل و بهینه است

جست وجوی ابتکاری با حافظه محدود از دیگر استراتژی های جست وجوی آگاهانه میباشد و الگوریتم های مختلفی با خصوصیات آن طراحی شده اند، از جمله: *IDA ، جست وجوی بازگشتی اول- بهترین (RBFS) و *MA و *SMA

الگوریتم های جست وجوی محلی به جای اینکه مسیرهایی از "حالت شروع" را بطور سیستماتیک و منظم بررسی کنند، یک یا چند "حالت فعلی" را ارزیابی و اصلاح میکنند.

الگوریتم جست وجوی تپه نوردی از ابتدایی ترین تکنیک جست وجوی محلی است. در هر مرحله گره فعلی با بهترین همسایه جایگزین میشود. اگر "تخمین هزینه ابتکاری h" استفاده شود، همسایه ای با کمترین h انتخاب میگردد

الگوریتم شبیه سازی annealing که نسخه ای از تپه نوردی اتفاقی است و پایین آمدن از تپه مجاز است. حرکت به طرف پایین و به آسانی در اوایل زمانبندی annealing پذیرفته شده و با گذشت زمان کمتر اتفاق می افتد

الگوریتم جست وجوی پرتوی محلی از دیگر تکنیکهای جست وجوی محلی است که به جای یک حالت، k حالت را نگهداری میکند. اگر یکی از آنها هدف بود، الگوریتم متوقف میشود. وگرنه، بهترین پسین را انتخاب و عمل را تکرار می کند

الگوریتم ژنتیک یا (GA) از دیگر استراتژی های جست وجوی محلی و شکلی از "جست وجوی پرتوی اتفاقی" است که در آن حالتهای پسین از طریق ترکیب دو حالت والد تولید میشود.