This Bachelor’s thesis provides a comparative analysis of the core algorithms of A-star (A*) and Breadth-First Search (BFS) in multi-target scenarios. Previous research has conducted comparisons of these algorithms in single-target scenarios and improvementst o the algorithms to address their limitations. However, this thesis evaluates the basic versions of A* and BFS for situations where complex implementations are not possible or preferred. The study systematically simulates these algorithms across various scenarios to understand their performance in managing multiple targets. The results show that BFS is generally more effective in scenarios with a small search space and in environments with a higher number of targets due to its ability to locate multiple targets in a single search. Conversely, A* performs better in scenarios where there are fewer targets and the search space is larger, due to its heuristic approach that prioritizes paths which seem more promising. The thesis provides guidelines for developers and researchers to assist in the decision-making process when choosing between these two algorithms depending on specific application requirements.

Denna kandidatuppsats erbjuder en jämförande analys av algoritmerna A-star (A*) och Breadth-First Search (BFS) i scenarier med flertal mål. Tidigare forskning har utfört jämförelser av dessa algoritmer i scenarier med ett mål samt förbättringar av algoritmerna för att åtgärda deras begränsningar. Denna uppsats utvärderar istället de grundläggande versionerna av A* och BFS för situationer där komplexa implementeringar inte är möjliga eller ej föredras. Studien simulerar systematiskt dessa algoritmer över olika scenarier för att förstå deras prestanda vid hantering av ett flertal mål. Resultaten visar att BFS generellt är mer effektiv i scenarier med ett litet sökutrymmme samt i miljöer med ett högre antal mål på grund av dess förmåga att lokalisera flera mål i en sökning. Däremot presterar A* bättre i scenarier där det finns färre mål och sökutrymmet är större, på grund av dess heuristiska tillvägagångssätt som prioriterar vägar som verkar mer lovande. Uppsatsen tillhandahåller riktlinjer för utvecklare och forskare för att hjälpa till i beslutet av att välja mellan dessa två algoritmer beroende på specifika applikationskrav.