为什么迭代加深搜索的空间复杂度是O(bm)?

《人工智能:现代方法》教科书中,指出迭代加深搜索(IDS)的空间复杂度为O(bm),其中b表示分支因子,m表示树的最大深度。IDS在遍历过程中存储了哪些节点导致其空间复杂度达到O(bm)


回答:

维基百科上提到,空间复杂度仅仅是目标的深度d,因为它本质上是一种深度优先搜索;我的《人工智能:现代方法》书中(第88页)也是这样说的。

我只能想象O(bm)假设存储了所有访问过的节点的顶层,这将是分支层次乘以当前深度。没有必要存储更高层次的节点,因为它们已经被搜索过了。

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