Vad är girig bästa första sökning inom artificiell intelligens?
Vad är girig bästa första sökning inom artificiell intelligens?

Video: Vad är girig bästa första sökning inom artificiell intelligens?

Video: Vad är girig bästa första sökning inom artificiell intelligens?
Video: Greedy search \ Greedy best first search in Artificial Intelligence in Bangla. 2024, April
Anonim

Bäst - första Sök Algoritm ( Girig sökning ): Girigt bäst - första sökningen algoritmen väljer alltid sökvägen som visas bäst vid det tillfället. I den bästa första sökningen algoritm utökar vi den nod som är närmast målnoden och den närmaste kostnaden uppskattas med heuristisk funktion, dvs f(n)= g(n).

På samma sätt kan man fråga sig, vad är girigt bästa första sökningen?

Bäst - första sökningen är en Sök algoritm som utforskar en graf genom att expandera den mest lovande noden vald enligt en specificerad regel. Denna specifika typ av Sök kallas giriga bäst - första sökningen eller ren heuristik Sök.

Dessutom, vad är den heuristiska funktionen för giriga bästa första sökningen? Girigt bäst - första sökningen försöker utöka den nod som ligger närmast målet, med motiveringen att detta sannolikt leder till en lösning snabbt. Således utvärderar den noder genom att bara använda heuristisk funktion ; dvs f(n)=h(n).

På samma sätt, vad är girigt sökande inom artificiell intelligens?

I girigt sökande , expanderar vi noden närmast målnoden. "Närheten" uppskattas av en heuristisk h(x). Heuristisk: En heuristisk h definieras som- h(x) = Uppskattning av avståndet mellan noden x från målnoden. Sänk värdet på h(x), närmare är noden från målet.

Vad är skillnaden mellan girig bästa första sökning och A * sökalgoritm?

2 svar. Bäst - första sökalgoritmen besöker nästa tillstånd baserat på heuristisk funktion f(n) = h med lägsta heuristiska värde (kallas ofta girig ). Därför väljer den inte nästa tillstånd bara med lägst heuristisk värde utan ett som ger lägst värde när man överväger dess heuristik och kostnad av komma till det tillståndet.

Rekommenderad: