为什么深度优先搜索(DFS)不是最优的,而广度优先搜索(BFS)是最优的

这个问题我已经思考了很久,但始终没有得到合理的答案:

通常在人工智能课程中,当涉及到搜索时,总是说广度优先搜索(BFS)是最优的,而深度优先搜索(DFS)不是,但我可以举出很多例子,证明使用DFS有时可以更快地得到答案。那么,有人能解释一下吗?我是不是错过了什么?


回答:

这里的“最优”是指“产生最优路径”,而不是“最快的算法”。在搜索状态空间以寻找通往目标的路径时,DFS可能会产生比BFS长得多的路径。请注意,BFS只有在动作没有权重时才是最优的;如果不同的动作有不同的权重,你需要使用像A*这样的算法。

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