什么是爬山算法和A*算法之间的区别?

在人工智能领域,这些算法非常流行。我尝试寻找解决8数码问题的方法,似乎它们的方法很相似。谁能解释一下它们的区别是什么?


回答:

像加权A*(Pohl 1970)这样的算法系统地探索搜索空间,按照“最佳”优先顺序进行。“最佳”由节点排名函数定义,该函数通常考虑到达节点的成本g,以及从节点到达目标的估计成本h。一些算法,如A*ǫ(Pearl和Kim 1982)还考虑节点与目标的距离d。爬山算法则较少进行深思熟虑;它们不考虑所有开放节点,而是扩展最近扩展节点中最有前景的后代,直到找到解决方案为止。

来源(第一页,引言)

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注