Apa pencarian pertama terbaik serakah dalam kecerdasan buatan?
Apa pencarian pertama terbaik serakah dalam kecerdasan buatan?

Video: Apa pencarian pertama terbaik serakah dalam kecerdasan buatan?

Video: Apa pencarian pertama terbaik serakah dalam kecerdasan buatan?
Video: Teknik Blind Search (BFS, DFS, dan UCS) pada Kecerdasan Buatan - Kuliah AI #03 2024, April
Anonim

Terbaik - Pencarian pertama Algoritma ( Pencarian serakah ): serakah terbaik - pencarian pertama algoritma selalu memilih jalur yang muncul terbaik pada saat itu. Dalam pencarian pertama terbaik algoritma, kami memperluas node yang paling dekat dengan node tujuan dan biaya terdekat diperkirakan oleh heuristis fungsi, yaitu f(n)= g(n).

Demikian pula orang mungkin bertanya, apa pencarian pertama terbaik yang serakah?

Terbaik - pencarian pertama adalah Cari algoritma yang mengeksplorasi grafik dengan memperluas node yang paling menjanjikan yang dipilih sesuai dengan aturan yang ditentukan. Jenis khusus ini Cari disebut serakah terbaik - pencarian pertama atau heuristik murni Cari.

Selain itu, apa fungsi heuristik dari pencarian pertama terbaik serakah? serakah terbaik - pencarian pertama mencoba untuk memperluas simpul yang paling dekat dengan tujuan, dengan alasan bahwa ini cenderung mengarah pada solusi dengan cepat. Dengan demikian, ia mengevaluasi node hanya dengan menggunakan fungsi heuristik ; yaitu, f(n)=h(n).

Demikian pula, apa pencarian serakah dalam kecerdasan buatan?

Di dalam pencarian serakah , kami memperluas simpul yang paling dekat dengan simpul tujuan. "Kedekatan" diperkirakan dengan heuristik h(x). Heuristik: Sebuah heuristik h didefinisikan sebagai- h(x) = Perkiraan jarak node x dari node tujuan. Turunkan nilai h(x), lebih dekat adalah simpul dari tujuan.

Apa perbedaan antara pencarian pertama terbaik serakah dan algoritma pencarian A *?

2 Jawaban. Terbaik - algoritma pencarian pertama mengunjungi status berikutnya berdasarkan fungsi heuristik f(n) = h dengan nilai heuristik terendah (sering disebut tamak ). Oleh karena itu tidak memilih keadaan berikutnya hanya dengan nilai heuristik terendah tetapi yang memberikan nilai terendah ketika mempertimbangkan heuristik dan biayanya dari mencapai keadaan itu.

Direkomendasikan: