由于不从整体最优上加以考虑,贪婪搜索无法保证找到最优解,但是其通常能够在合理时间代价内找到较为满意的解。贪婪搜索已被广泛用于组合优化、机器学习等多个领域,如最小生成树和最优哈夫曼树寻找,以及决策树训练和关联规则学习等。贪婪搜索主要有三种搜索策略:最佳优先策略、爬山法、束搜索。最佳优先策略在每一步搜索中向当前最优节点进行搜索,如Weighted A*算法和贪婪最佳优先搜索算法等。爬山法在每一步搜索中只在当前节点的子节点中进行搜索,使用子节点中的最优节点进行下一步搜索。束搜索策略在搜索过程中仅考虑有限个数的备选搜索节点,可以看作是最佳优先策略的简化版本。
首页
[{"ID":42422,"Name":"理学"},{"ID":81272,"Name":"计算机科学技术"},{"ID":81532,"Name":"人工智能"},{"ID":81533,"Name":"机器学习"},{"ID":81554,"Name":"知识表示"},{"ID":81558,"Name":"案例推理"}]
. 理学 . 计算机科学技术 . 人工智能 . 机器学习 . 知识表示 . 案例推理贪婪搜索
/Greedy Search/
最后更新 2022-01-20
浏览 192次
一种启发式搜索(Heuristic Search)算法,在搜索过程中总是以当前情况为基础做最优选择。
- 英文名称
- Greedy Search
- 所属学科
- 计算机科学与技术
扩展阅读
- S. J. Russell and P. Norvig.Artificial Intelligence: A Modern Approach.Upper Saddle River, NJ:Prentice hall,2009.