Mesterséges Intelligencia: Keresési Módszerek

A mesterséges intelligencia esetében az intelligencia a problémák megoldására és a környezet megértésére vonatkozó képességet jelenti.

Az informált keresési stratégiák rendelkeznek információval a célállapotról, míg a nem informáltak csak az állapotok körüli információkra támaszkodnak.

Alacsony memóriaigényük lehetővé teszi, hogy csak egy állapotot tartsanak nyilván, ami egyszerűsíti a megvalósítást.

<p>A hegyemelkedés algoritmus a célok elérésére irányul, és képes folyamatosan javítani az értékelési funkciót.</p> Signup and view all the answers

<p>A szimulált annealing véletlenszerű lépéseket tesz, és ha az javít, akkor azt alkalmazza.</p> Signup and view all the answers

<p>A hegyemelkedés variánsai közé tartozik a legmeredekebb emelkedés, oldalmozgások, véletlenszerű újraindítás és sztochasztikus módszerek.</p> Signup and view all the answers

<p>A véletlenszerű sétálás során véletlenszerűen választanak egy lépést bármely irányban.</p> Signup and view all the answers

<p>A helyi keresés specifikus állapotokra összpontosít, míg a globális optimalizálás az összes lehetséges konfigurációt figyelembe veszi.</p> Signup and view all the answers

<p>A hűtési ütemterv célja a globális optimum elérése érdekében a thermikus zaj fokozatos csökkentése.</p> Signup and view all the answers

<p>A genetikus algoritmusok fő operátorai a kiválasztás, kereszteződés és mutáció, amelyek a populáció diverzitásának fenntartására és a megoldás optimalizálására szolgálnak.</p> Signup and view all the answers

<p>A versenyképességi arány az aktuális költség és a legrövidebb út költségének arányát jelenti.</p> Signup and view all the answers

<p>A lokális sugárkeresés gyorsabban talál jó megoldásokat, mivel több párhuzamos szálat használ, míg a hagyományos módszerek gyakran egyetlen utat követnek.</p> Signup and view all the answers

<p>A sztochasztikus sugárkeresés véletlenszerű elemeket használ a következő állapotok kiválasztásához, míg a lokális sugárkeresés a legjobban teljesítő állapotokra összpontosít.</p> Signup and view all the answers

<p>A mutáció véletlenszerűen megfordít egyes biteket az új bitláncokban alacsony valószínűséggel.</p> Signup and view all the answers

<p>A random walker célja, hogy felfedezze a környező állapotokat véletlenszerű mozgással, a lokális optimum keresésének elősegítése érdekében.</p> Signup and view all the answers

<p>Az LRTA* a hegyemelkedéses keresés egy memóriával rendelkező változata, amely fenntartja a legjobb költségbecsléseket minden csúcs esetében.</p> Signup and view all the answers

A keresési algoritmusok egy típusa, amely nem foglalkozik a megoldáshoz vezető út megtalálásával, hanem inkább a legjobb konfigurációt keresi a probléma megoldására.

A lokális keresés algoritmusának egy fajtája, amelyben a lépések mindig a probléma értékelési függvényét egyenlő vagy jobb értékre viszik.

A Hegymászás algoritmusának egy változata, amelyben a szomszédos állapotok közül a legjobbat választják ki a következő lépéshez.

A Hegymászás algoritmusának egy változata, amely lehetővé teszi, hogy a algoritmus

A Hegymászás algoritmusának egy változata, amelyet akkor használnak, ha az algoritmus lokális maximumhoz vezet. A megoldás érdekében több, véletlenszerűen választott kiindulási ponttal elindítják az algoritmust.

A Hegymászás algoritmusának egy változata, amelyben a lépés kiválasztásának valószínűsége arányos a lépés meredekségével.

A Hegymászás algoritmusának egy változata, amelyben a szomszédos állapotok közül az első olyan állapotot választják ki, amely jobb értéket ad az értékelési függvénynek.

A Hegymászás algoritmusának egy változata, amelyben a lépések nem mindig a legjobb irányba haladnak, hanem véletlenszerűek.

A helyi nyaláb keresés egy olyan algoritmus, amely több párhuzamos keresési szál (nyaláb) segítségével keresi az optimális megoldást. Minden szál egy független hegymászó algoritmust futtat, és a szomszédos állapotok között információcserét végez. A legjobb eredményeket elérő szálak lesznek a következő iterációban, a gyengébb eredményeket hozó szálak pedig kiesnek.

A genetikus algoritmusok olyan evolúciós algoritmusok, amelyek populációk evolúcióját szimulálják genetikus operátorok (szelektálás, keresztezés, mutáció) segítségével. A cél egy optimalizálási probléma megoldása, amelyet egy célfüggvény határoz meg. A populáció inicializálásához véletlenszerű kromoszómák (jellemzően bináris string-ek) generálódnak, és a célfüggvény alapján értékelődnek. Az algoritmus iteratívan szelektál, keresztez és mutál a kromoszómák, hogy a populációban jobb megoldásokat kapjunk.

A genetikus algoritmusokban a keresztezés során két szülő kromoszomából két új kromoszóma jön létre a szülők bitjeinek véletlenszerű összeolvasztásával. Ezáltal a szülők tulajdonságai kombinálódnak.

A genetikus algoritmusokban a mutáció során egy kromoszomában a bitek kis valószínűséggel véletlenszerűen megváltoznak. Ez nem feltétlenül javítja a megoldást, de a keresést a megoldáshoz vezető új utak felé tereli.

Az online keresés olyan keresési algoritmusok csoportja, amelyek a keresés során a környezetükről szerzett információkat használják. A cél a megoldás megtalálása egy előre nem ismert környezetben. Az algoritmus az aktuális állapotától függően dönt arról, hogy milyen lépést tegyen.

Az online lokális keresés egy olyan algoritmus, amely az online keresés elveit alkalmazza a helyi keresésre. A cél a legjobb megoldás megtalálása a környezetben, anélkül, hogy az egész keresési területet előre meg kellene ismerni.

A LRTA egy olyan online algoritmus, amely a hill climbing algoritmust fejleszti. Ez nemcsak a jelenlegi állapotot veszi figyelembe a döntéshozatalban, hanem az eddig megtett tapasztalatokból is tanul. Ezt a keresési többi pontjához tartozó, a kapcsolódó költség becslésével teszi.