일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | 6 | 7 |
8 | 9 | 10 | 11 | 12 | 13 | 14 |
15 | 16 | 17 | 18 | 19 | 20 | 21 |
22 | 23 | 24 | 25 | 26 | 27 | 28 |
29 | 30 | 31 |
Tags
- kakao
- seq2seq
- Backend.AI
- Qwik Start
- GDG Campus
- SageMaker
- entity
- 코딩테스트
- Speech
- SW중심대학
- ainize
- 해커톤
- Conference
- re:Invent
- 뉴비톤
- API
- gcp
- Ground Truth
- 오픈소스해커톤
- 구글스타트업캠퍼스
- aws
- OPENHACK
- 스터디 잼
- CSIP
- BOAZ
- 머신러닝
- Open Hack
- rl
- Community Day
- Tensorflow 2.0
Archives
- Today
- Total
pizzaplanet
탐욕 탐색 Greedy Search 본문
Greedy Search
휴리스틱h(x) 가 가장 작은 노드부터 확장해 나가는 것이다.
이 휴리스틱 값은 우리가 입력 혹은 설정해주어야 하는 값이다.
Arad -> Bucharest 상황을 가정해보자.
우측 Red Box는 각 노드에서 Bucharest까지의 휴리스틱을 나열해놓은 것이다.
Arad에서 Bucharest까지의 휴리스틱은 366, Bucharest에서 Bucharest까지의 휴리스틱은 0.
다시 짚고 넘어가야 할 것은 휴리스틱은 real cost 즉, 실제 거리가 아닌 예상 거리이다.
Arad와 닿아있는 노드는 Zerind, Sibiu, Timlsoara 3가지. Rad Box를 참고하면
h(Zerind)=374
h(Sibiu)=253
h(Timlsoara)=329
이 3가지중 가장 작은 값을 가진 Sibiu를 다음 노드로 확장하게 되고 다시 Sibiu와 인접한 노드들의 h(x)를 비교하여 확장하는 방식으로 나아간다.
이렇게 도시까지 가는 Real Cost 실제거리를 고려하지 않기때문에 Optimal하다 할 수 없다.
'Univ. > Artificial intelligence lecture' 카테고리의 다른 글
제약 충족 문제 Constraint Satisfaction Problems(CSP) (0) | 2018.05.06 |
---|---|
에이스타탐색 A* Search (0) | 2018.05.04 |
휴리스틱(Heuristics)에 대하여 (0) | 2018.05.04 |
Uninformed Search and Informed Search (0) | 2018.05.04 |
균일 비용 탐색 Uniform Cost Search(UCS) (0) | 2018.05.04 |
Comments