中文字幕日韩无码一区二区色,亚洲精品日韩精品久久蜜桃 ,日韩精品一区 porn

本文目錄一覽

1，貪心算法是不是啟發(fā)式搜索
2，啟發(fā)式搜索算法一定能找到最優(yōu)解嗎
3，粒子群算法屬于啟發(fā)式搜索算法嗎
4，什么叫啟發(fā)式搜索它是如何實(shí)現(xiàn)的
5，什么是啟發(fā)式搜索并以八數(shù)碼難題為例說明其原理
6，人工智能的啟發(fā)方式搜索是

1，貪心算法是不是啟發(fā)式搜索

不是。貪心是按一種規(guī)則直接達(dá)到最終狀態(tài)。啟發(fā)式搜索是利用啟發(fā)函數(shù)，調(diào)整當(dāng)前可達(dá)狀態(tài)搜索的先后順序。也就是說啟發(fā)式搜索，是可以搜到所有狀態(tài)的，而貪心法不能。

貪心算法是不是啟發(fā)式搜索

2，啟發(fā)式搜索算法一定能找到最優(yōu)解嗎

看情況。具體算法具體分析，有些可以，有些不一定。

啟發(fā)式搜索算法一定能找到最優(yōu)解嗎

3，粒子群算法屬于啟發(fā)式搜索算法嗎

啟發(fā)式算法實(shí)際上就是針對具體問題,加入了人的經(jīng)驗(yàn)的最優(yōu)求解算法.不同的問題,有不同的啟發(fā)規(guī)則.遺傳算法、粒子群算法這一類算法某種程度上可以歸為啟發(fā)

遺傳算法不一定能得到最優(yōu)解。遺傳算法和粒子群算法是啟發(fā)式搜索算法，比盲目搜索更高效。他們在大型項目里面優(yōu)勢體現(xiàn)的很明顯。但不一定得到最優(yōu)解。大部分算法都是將幾種算法混合一起運(yùn)用的，各區(qū)優(yōu)勢

粒子群算法屬于啟發(fā)式搜索算法嗎

4，什么叫啟發(fā)式搜索它是如何實(shí)現(xiàn)的

就是在狀態(tài)空間中的搜索對每一個搜索的位置進(jìn)行評估，得到最好的位置，再從這個位置進(jìn)行搜索直到目標(biāo)。這樣可以省略大量無謂的搜索路徑，提高了效率。在啟發(fā)式搜索中，對位置的估價是十分重要的

啟發(fā)式搜索就是在狀態(tài)空間中的搜索對每一個搜索的位置進(jìn)行評估，得到最好的位置，再從這個位置進(jìn)行搜索直到目標(biāo)。這樣可以省略大量無畏的搜索路徑，提到了效率。在啟發(fā)式搜索中，對位置的估價是十分重要的。采用了不同的估價可以有不同的效果。我們先看看估價是如何表示的。啟發(fā)中的估價是用估價函數(shù)表示的，如： f(n) = g(n) + h(n) 其中f(n) 是節(jié)點(diǎn)n的估價函數(shù)，g(n)實(shí)在狀態(tài)空間中從初始節(jié)點(diǎn)到n節(jié)點(diǎn)的實(shí)際代價，h(n)是從n到目標(biāo)節(jié)點(diǎn)最佳路徑的估計代價。在這里主要是h(n)體現(xiàn)了搜索的啟發(fā)信息，因?yàn)間(n)是已知的。如果說詳細(xì)點(diǎn)，g(n)代表了搜索的廣度的優(yōu)先趨勢。但是當(dāng)h(n) >> g(n)時，可以省略g(n)，而提高效率。啟發(fā)算法有：蟻群算法，遺傳算法、模擬退火算法等蟻群算法是一種來自大自然的隨機(jī)搜索尋優(yōu)方法，是生物界的群體啟發(fā)式行為，現(xiàn)己陸續(xù)應(yīng)用到組合優(yōu)化、人工智能、通訊等多個領(lǐng)域。蟻群算法的正反饋性和協(xié)同性使其可用于分布式系統(tǒng)，隱含的并行性更使之具有極強(qiáng)的發(fā)展?jié)摿?。從?shù)值仿真結(jié)果來看，它比目前風(fēng)行一時的遺傳算法、模擬退火算法等有更好的適應(yīng)性。

5，什么是啟發(fā)式搜索并以八數(shù)碼難題為例說明其原理

啟發(fā)式搜索就是在狀態(tài)空間中的搜索對每一個搜索的位置進(jìn)行評估，得到最好的位置，再從這個位置進(jìn)行搜索直到目標(biāo)。這樣可以省略大量無謂的搜索路徑，提高了效率。在啟發(fā)式搜索中，對位置的估價是十分重要的。采用了不同的估價可以有不同的效果。我們先看看估價是如何表示的。啟發(fā)中的估價是用估價函數(shù)表示的，如：最佳優(yōu)先搜索的最廣為人知的形式稱為A*搜索(發(fā)音為“A星搜索”).它把到達(dá)節(jié)點(diǎn)的耗散g(n) 和從該節(jié)點(diǎn)到目標(biāo)節(jié)點(diǎn)的消耗h(n)結(jié)合起來對節(jié)點(diǎn)進(jìn)行評價：f(n)=g(n)+h(n) 因?yàn)橐詆(n)給出了從起始節(jié)點(diǎn)到節(jié)點(diǎn)n的路徑耗散，而h(n)是從節(jié)點(diǎn)n到目標(biāo)節(jié)點(diǎn)的最低耗散路徑的估計耗散值，因此f(n)=經(jīng)過節(jié)點(diǎn)n的最低耗散解的估計耗散.這樣，如果我們想要找到最低耗散解，首先嘗試找到g(n)+h(n)值最小的節(jié)點(diǎn)是合理的?？梢园l(fā)現(xiàn)這個策略不只是合理的:倘若啟發(fā)函數(shù)h(n)滿足一定的條件，A*搜索既是完備的也是最優(yōu)的。如果把A*搜索用于Tree-Search,它的最優(yōu)性是能夠直接分折的。在這種情況下，如果h(n)是一個可采納啟發(fā)式--也就是說，倘若h(n)從不會過高估計到達(dá)目標(biāo)的耗散--A*算法是最優(yōu)的?？刹杉{啟發(fā)式天生是最優(yōu)的，因?yàn)樗麄冋J(rèn)為求解問題的耗散是低于實(shí)際耗散的。因?yàn)間(n)是到達(dá)節(jié)點(diǎn)n的確切耗散，我們得到一個直接的結(jié)論：f(n)永遠(yuǎn)不會高估經(jīng)過節(jié)點(diǎn)n的解的實(shí)際耗散. 啟發(fā)算法有：蟻群算法，遺傳算法、模擬退火算法等蟻群算法是一種來自大自然的隨機(jī)搜索尋優(yōu)方法，是生物界的群體啟發(fā)式行為，現(xiàn)己陸續(xù)應(yīng)用到組合優(yōu)化、人工智能、通訊等多個領(lǐng)域。蟻群算法的正反饋性和協(xié)同性使其可用于分布式系統(tǒng)，隱含的并行性更使之具有極強(qiáng)的發(fā)展?jié)摿?。從?shù)值仿真結(jié)果來看，它比目前風(fēng)行一時的遺傳算法、模擬退火算法等有更好的適應(yīng)性。

6，人工智能的啟發(fā)方式搜索是

什么是搜索？搜索是人工智能領(lǐng)域的一個重要問題。它類似于傳統(tǒng)計算機(jī)程序中的查找，但遠(yuǎn)比查找復(fù)雜得多。傳統(tǒng)程序一般解決的問題都是結(jié)構(gòu)化的，結(jié)構(gòu)良好的問題算法簡單而容易實(shí)現(xiàn)。但人工智能所要解決的問題大部分是非結(jié)構(gòu)化或結(jié)構(gòu)不良的問題，對這樣的問題很難找到成熟的求解算法，而只能是一步步地摸索前進(jìn)。就像是甲、乙兩個不同的網(wǎng)絡(luò)，甲網(wǎng)絡(luò)中的某一臺計算機(jī)A要想找到乙網(wǎng)絡(luò)中的數(shù)據(jù)。乙網(wǎng)絡(luò)位于廣域網(wǎng)中，A的目標(biāo)就是要找到乙網(wǎng)絡(luò)（實(shí)際上就是找到甲主路由器的IP），但是A不知道目標(biāo)的具體位置，只能試探著去找。像這樣摸索著前進(jìn)，不斷搜索前進(jìn)方向的過程稱為搜索。從理論上講，只要乙不犯規(guī) (不會關(guān)閉設(shè)備)，A終究是會找到乙的（當(dāng)然這必須是在甲、乙本來是可以互通的基礎(chǔ)上）。當(dāng)然，A找到乙所需的時間是無法預(yù)測的。如果A以前就訪問過乙網(wǎng)絡(luò)上的某臺主機(jī)，在找的過程中，可以得到路由器中更新的路由表的支持，很快會找對了方向，可能花費(fèi)的時間就會少些。相反，也有可能A找遍了所有的地方，最后才找到乙(極端情況)。搜索，通?？煞譃槊つ克阉骱蛦l(fā)式搜索。盲目搜索是按預(yù)定的控制策略進(jìn)行，在搜索過程中獲得的中間信息不用來改進(jìn)控制策略。這在復(fù)雜網(wǎng)絡(luò)中的路由選擇會經(jīng)常用到。廣域網(wǎng)中的動態(tài)路由協(xié)議，為了學(xué)習(xí)相鄰路由器的路由，為了確定最短路徑，總是主動地去搜索相鄰的路由設(shè)備。由于路由選擇總是按預(yù)先規(guī)定的方式進(jìn)行，未能考慮到環(huán)形結(jié)構(gòu)或不可到達(dá)情況，因此效率不高，具有盲目性，往往會因此占去不少的網(wǎng)絡(luò)帶寬。啟發(fā)式搜索是在搜索過程中根據(jù)問題的特點(diǎn)，加入一些具有啟發(fā)性的信息，如從上一級路由器中找到相應(yīng)的路由表來確定下一步搜索的路線，加速問題的求解過程。顯然，啟發(fā)式搜索的效率比盲目搜索要高，但由于啟發(fā)式搜索需要與網(wǎng)絡(luò)本身特性有關(guān)的信息，而這對非常復(fù)雜的網(wǎng)絡(luò)是比較困難的，因此盲目搜索在目前的應(yīng)用中仍然占據(jù)著統(tǒng)治地位。而盲目搜索中最行之有效、應(yīng)用最廣泛的搜索策略就是：寬度優(yōu)先搜索和深度優(yōu)先搜索。這兩種搜索方法在很多人工智能的資料中都有介紹，關(guān)于算法也給出了簡單的設(shè)計思路。這里只對簡單應(yīng)用及體會做簡單介紹。寬度優(yōu)先搜索，又稱為廣度優(yōu)先搜索，是一種逐層次搜索的方法。在第n層的節(jié)點(diǎn)沒有全部擴(kuò)展并考察之前，不對第n+1層的節(jié)點(diǎn)進(jìn)行擴(kuò)展。設(shè)V1為起始節(jié)點(diǎn)，則搜索的順序?yàn)椋篤1V2V3V4V5V6V7 Flash5中Action Script功能非常強(qiáng)大，其實(shí)它涉及到的最主要的問題就是動作怎么通過指定路徑或一個大概的方式去完成動作的結(jié)果。利用此算法可以很好地解決這個問題。打紅警，玩帝國時，指揮坦克或炮車去指定位置，計算機(jī)控制坦克通過此算法找到最短路徑行進(jìn)只需要將屏幕分成多個區(qū)間并編成號碼，實(shí)際上從源地址到目標(biāo)地址就是找到到達(dá)目標(biāo)地址的一串區(qū)間號碼。這樣問題就可以程序化了。至于具體的設(shè)計流程和源程序這里就不多講了。 Dijkstra單源最短路徑算法和Prim最小生成樹算法都采用了和寬度優(yōu)先搜索類似的思想。實(shí)際上網(wǎng)絡(luò)上許多協(xié)議和應(yīng)用程序都會用到類似的思想。例如，生成樹協(xié)議中，為了確定生成樹的樹根。它要確定每一臺交換機(jī)的樹值并不斷地更新結(jié)果。象使用網(wǎng)絡(luò)下載某個軟件時，它的每個線程都會去找目標(biāo)地址，來確定到達(dá)的路徑。因?yàn)閷挾葍?yōu)先搜索是針對非結(jié)構(gòu)化或結(jié)構(gòu)不良的問題，所以只要碰到類似的情況只是將具體條件轉(zhuǎn)化一下，就可以應(yīng)用此算法了。