완전탐색 알고리즘 예제


A*의 일반적인 구현은 우선 순위 대기열을 사용하여 확장할 최소(예상) 비용 노드를 반복적으로 선택합니다. 이 우선 순위 대기열을 열린 집합 또는 프린지라고 합니다. 알고리즘의 각 단계에서 가장 낮은 f(x) 값을 가진 노드가 큐에서 제거되고, 해당 이웃의 f 및 g 값이 그에 따라 업데이트되고 이러한 인접가 큐에 추가됩니다. 알고리즘은 목표 노드가 큐의 모든 노드보다 낮은 f 값을 가질 때까지(또는 큐가 비어 있는 때까지) 계속됩니다. [a] 목표의 f 값은 목표의 h가 허용 가능한 추론에서 0이기 때문에 가장 짧은 경로의 비용입니다. 제한 주위 최고의 경로 찾기 알고리즘 이기는 하지만, A * 검색 알고리즘 항상 짧은 경로 생성 하지 않습니다., 그것은 추론에 크게 의존 으로 / 계산 하는 근사치 – h A * 셰이키 프로젝트의 일환으로 만들어진, 의 목표를 했다 자신의 행동을 계획 할 수있는 모바일 로봇을 구축. Nils Nilsson은 원래 셰이키의 경로 계획에 그래프 트래버스 알고리즘[4]을 사용하여 제안했습니다. [5] 그래프 트래버스는 추론 함수 h (n) , {displaystyle h(n)}에서 노드 n {displaystyle n}에서 목표 노드까지의 예상 거리로 안내되며, g (n) 및 {displaystyle g(n)}를 완전히 무시합니다. {디스플레이 스타일 n.} Bertram Raphael은 합계, g (n) + h (n) {displaystyle g(n)+h(n)}를 사용하여 제안했습니다. [5] 피터 하트는 우리가 지금 휴리스틱 함수의 허용과 일관성이라고 부르는 개념을 발명했습니다. A*는 원래 경로 비용이 에지 비용의 합계일 때 최소 비용 경로를 찾기 위해 설계되었지만, A*를 사용하여 비용 대수 조건을 충족하는 문제에 대한 최적의 경로를 찾을 수 있는 것으로 나타났습니다.

[6] 따라서 소스 셀에서 대상 셀에 도달하려는 경우 아래 그림과 같이 A * 검색 알고리즘이 아래그림과 같이 경로를 따릅니다. 아래 그림은 유클리드 거리를 휴리스틱으로 고려하여 작성됩니다. A*는 비디오 게임과 같은 응용 프로그램에서 일반적인 경로 찾기 문제에 일반적으로 사용되지만 원래는 일반적인 그래프 통과 알고리즘으로 설계되었습니다. [3] NLP에서 스토스 문법을 사용하여 구문 분석하는 문제를 포함하여 다양한 문제에 대한 응용 프로그램을 찾습니다. [22] 다른 경우에는 온라인 학습을 통해 정보 검색을 포함합니다. [23] 탐욕스러운 최고의 검색 알고리즘과 차별화되는 A*를 설정하는 것은 이미 이동한 비용/거리 g(n)를 고려한다는 것입니다. A* 알고리즘에는 실제 응용 프로그램도 있습니다. 이 예에서 모서리는 철도이고 h(x)는 대상까지의 원 거리(구에서 가능한 가장 짧은 거리)입니다. 이 알고리즘은 워싱턴 D.C. 사이의 경로를 검색하고 있습니다.

Contact Info

Citizens for Yarbrough

1001 S. 17th Ave

Maywood, IL

Phone : (708) 344-7062

Email :