人工智能的笔记(5)

>我来写笔记

按有用程度 按页码先后 最新笔记

  • ZFenng

    ZFenng (追求技术又学习管理的IT人)

    启发的单调性。即搜索到的任一节点均是最短路径,在任何一局部都具有可采纳性,因此单调性蕴含了可采纳性。 当搜索具有单调性时,再次遇到同一个状态时,不需要再更新保存的此状态的父状态(因为之前的路径一定最短) 当h(n)更接近真实的h*(n)时,则说明此h具有更高的信息度。信息度越高,能够正确剪去的分支也越多,但也会增加计算量,甚至可能会抵消剪支带来的优势。

    2013-03-13 16:25

  • ZFenng

    ZFenng (追求技术又学习管理的IT人)

    在评估函数中增加对路径长度的考量g(n),能增加搜索的“宽度优先性”,使搜索不会永久迷失。同时,评估得分相同时,离根更近的状态越有可能处于最终路径上。 g(n)也可认为是从根状态到达当前状态的所有代价。 h(n)为从当前状态到达目标状态的估计代价。当h(n)为实际代价的下界时,能保证A*算法能找到最短的目标状态,即此搜索方法具有“可采纳性”。 广度优先算法可看做是h(n)=0的特殊A*算法,故其也拥有可采纳性。

    2013-03-13 16:00

  • ZFenng

    ZFenng (追求技术又学习管理的IT人)

    搜索时,对搜索到的每个状态(即已搜索过和在队列中的状态)同时保存其父节点的引用,以便在发现目标状态后回溯至父节点而重建路径。 广度优先能发现最短路径,但空间复杂度是路径长度的指数;深度优先的空间复杂度为线性,但容易陷入循环或迷失。

    2013-03-13 15:09

  • ZFenng

    ZFenng (追求技术又学习管理的IT人)

    数据驱动的搜索,即正向搜索。适合于目标状况众多,或难以假设目标的情况。 目标驱动的搜索,即逆向搜索。适合于规则数量众多,且目标状态已知的情况。 不同的搜索策略,在不同状态空间中会影响搜索的效率。

    2013-03-13 15:01

  • 失足小伙

    失足小伙 (为什么)

    图4-9的矩阵好像与描述的算法对应不上.

    2012-12-20 09:26

笔记是你写在书页留白边上的内容;是你阅读中的批注、摘抄及随感。

笔记必须是自己所写,不欢迎转载。摘抄原文的部分应该进行特殊标明。

人工智能

>人工智能