UCBCS188 AI学习笔记（2）informed search （启发函数搜索）

启发式搜索与A*算法
最新推荐文章于 2025-03-31 14:46:01 发布
原创 最新推荐文章于 2025-03-31 14:46:01 发布 · 838 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文探讨了启发式搜索的概念及其在特定搜索问题中的应用，介绍了启发函数的作用及实例，如曼哈顿距离和欧几里得距离。进一步解析了贪心搜索策略可能带来的局限性，以及A*搜索算法如何结合已知路径成本与启发函数，实现更高效的目标搜索。

搜索的启发函数

启发函数是什么？

  • 一个估计离终点还有多少距离的函数。
  • 为特殊的搜索问题设计
  • 例子：曼哈顿距离，欧几里得距离

贪心搜索

策略：扩展你认为最接近距离的结点

通常情况：最快的带你走向一个错误的目标

最差情况：像一个没有错误指令的DFS

 

A*搜索算法

会将当前已走过的代价结合启发函数一起决定如何扩展结点。

可以这么理解 A* = UCS + Greedy

 

Admissible Heuristics

UCBCS188 AI学习笔记（1）uninformed search （无启发函数搜索）
黄小鑫的博客
03-20 1052
最近有面试笔试都要准备，小菜鸟瑟瑟发抖。等面完了就继续学习写blog。压力就是动力！
启发式搜索中启发函数的可容许性与一致性启发式的理解
Seadeer_l的博客
04-16 4032
启发式搜索(Heuristically Search)又称为有信息搜索(Informed Search)，它是利用问题拥有的启发信息来引导搜索，达到减少搜索范围、降低问题复杂度的目的，这种利用启发信息的搜索过程称为启发式搜索。启发式算法的关键点在于如何构造启发函数，这是一个难点。为了让算法的性能优越，往往我们需要考虑让启发式函数符合两个特性——可容许性（admissible）和一致性（consistency），本文介绍一些关于该二者的个人理解。
关于Informed Search
weixin_30776863的博客
08-27 1085
所谓Informed Search，就是带有智慧决策的搜索，就像它的名字一样，它是informed，消息灵通的，它能根据最新情况而重新选择搜索。Informed Search也可以叫Heuristic Search，启发式搜索。正如上一篇提到的机器人、汽车导航、打魔兽，这些都是运用了Heuristic的搜索。 何为Heuristic？Heuristic应该算一条引导你进入最佳选择的规则，它...
L4.1Informed Search
m0_74331272的博客
03-17 1380
在人工智能的搜索算法中，启发式搜索（Informed Search）是相对于无信息搜索（Uninformed Search）的一种改进方法。它利用问题的。
UCB CS188 人工智能导论笔记（一）
龙哥盟
11-22 665
好的，每个人都在这里为CS，权利之一，我没走错地方，好的，酷，呃你好，这是一个每个人都很高兴见到你的讲座，希望几周后我能再见到你，虽然也许我不会好吧，酷，第一次讲座激动人心，我们有很多事情要做。所以我会尽量简短，希望不会太无聊，所以首先我们要快速完成尽可能多的后勤工作，然后我们将向您展示人工智能的一些介绍，今天就到此为止，所以我们就这么做吧，那就是我，我在比较，我在这里做讲师已经一年了。
1.4 有信息搜索 (Informed Search)
最新发布
2301_80681057的博客
03-31 348
启发式函数 ( h(n) )：输入一个状态 ( n )，输出到目标状态的估计距离。作用：为搜索提供方向性，帮助智能体“偏好”可能更接近目标的状态。可接受启发式：满足以下条件：$$$$( h^*(n) )：从 ( n ) 到目标的真实最优成本。( h(n) \geq 0 )：非负。( h(n) \leq h^*(n) )：不高于真实成本（不过高估计）。启发式 ( h_a ) 支配 ( h_b​ )$$$$含义：( h_a ) 比 ( h_b ) 更接近真实成本 ( h^*(n) )。
人工智能第四章 More on Informed Search 总结
06-05
在人工智能领域，搜索算法是解决问题的关键工具之一。本章主要关注的是有信息的搜索方法，特别是关于A*搜索算法的深入分析。A*搜索是一种启发式搜索策略，它结合了盲目搜索（如广度优先搜索BFS）和有指导的搜索...
人工智能英文版课件：04 Informed Search and Exploration.ppt
06-20
《人工智能中的启发式搜索与探索》 在人工智能领域，搜索策略是解决问题的关键组成部分。本课件聚焦于启发式（Informed）搜索策略及其在探索问题解决方案中的应用。启发式搜索利用了超越问题定义本身的问题特定知识...
2025.2.9机器学习笔记：PINN文献阅读
Zcymatics的博客
02-08 2027
PINN是一种结合了深度神经网络和现代高性能计算技术的方法，其可以用来求解复杂的非线性偏微分方程。虽然PINN有很多优点，比如能够处理复杂的方程，但在需要多次计算或实时模拟的情况下它的训练过程很慢。此外，PINN的结构通常比较复杂，参数太多，导致计算效率不高。传统的数值方法虽然也能解决这些问题，但计算量非常大。为了解决PINN的这些缺点，这篇论文提出了一种新的方法，叫做生成式预训练PINN（GPT-PINN）。GPT-PINN的核心思想是简化网络结构，减少计算量。GPT-PINN的外部结构非常简单，只有一个
学习笔记：物理信息神经网络(PINN)
qq_52635735的博客
03-11 9424
PINN 的强大在于它打破了传统数值方法的限制，将神经网络的非线性拟合能力与物理方程的严谨性结合起来。它在处理高维、数据稀缺、复杂物理约束的场景下尤其出色。当然，PINN 也有收敛慢、梯度消失等挑战，比如，复杂 PDE 可能导致梯度传播困难，收敛慢(梯度消失)、于具有快速变化特征的系统，如冲击波，标准 PINN 可能精度不足，需要改进策略，比如自适应采样或多尺度特征提取。但随着研究深入，这些问题正在不断被解决。物理或化学方程为什么往往是偏微分方程？什么是物理信息神经网络(PINN)?x_%7Bi%7D。
python_CS188_project
06-24
UC berkeley, 计算机系project。
伯克利人工智能导论课cs188四层神经网络
07-22
伯克利人工智能导论课cs188作业，训练四层神经网络，包括说明文档，可以作为入门资源学习。没有用到框架，属于纯手写神经网络
CS188-Homework:AI Pacman，CS188 2019夏季版（已完成），原始网站
05-11
加州大学伯克利分校CS188人工智能导论课。 著名的课程对于深度学习AI非常有帮助和重要。 CS188 2019夏季版已于2019/06年完成。 PJ1_搜索 PJ2_multiagent PJ3_钢筋 PJ4_捉鬼敢死队 PJ5_machinelearning 在此项目中，第4季度要求我自己实施RNN，使用ReLu进行激活，包括模型中的偏差。
berkeley-intro-to-artificial-intelligence:加州大学伯克利分校CS188人工智能入门-使用Pacman进行搜索和强化学习
03-16
berkeley-intro-to-artificial-intelligence:加州大学伯克利分校CS188人工智能入门-使用Pacman进行搜索和强化学习
AI（人工智能：一种现代的方法）学习之：基于信息的搜索策略（informed search）——启发式（heuristic）搜索、贪婪（greedy）搜索、A* （A star）搜索
qq_42902997的博客
05-22 2551
文章目录参考回顾启发式搜索曼哈顿距离欧几里得距离问题情境贪婪算法贪婪算法 V.S. Uniform-cost SearchA* 算法A* 的终止条件保证 A* 最优解——admissible heuristic证明 admissible heuristic 是最优性的保证A* V.S. Uniform-costuniform-costA*五种搜索算法的对比BFSDFSGreedyUniform-costA*启发式函数设计练习 参考 加州大学伯克利分校的 AI 公开课 回顾 建议先看上一篇文章：AI（人工智
启发式搜索(Informed Search)-贪婪算法GBS+A*算法
热门推荐
敲代码的乔帮主
09-23 1万+
目录 写在前面 一、启发式搜索和启发式函数 二、贪婪算法（贪婪最佳优先搜索）greedy best-first search （GBS） 三、A*搜索（结合UCS和GBS） A*搜索算法结束的条件是什么？ ​怎么判证明A* 树搜索的最优性？（这个容易出证明题） 四、怎么选择一个好的启发式函数 ​ 写在前面 我们之前几篇博客都是在讨论无信息搜索，包括深度优先...
CS188相关
weixin_40282527的博客
12-09 1348
#CS188 uniformed BFS breadth-first time-complexity:O(bs)O(b^s)O(bs) sapce-complexity:O(bs)O(b^s)O(bs) complete:yes optimal:yes(only when the cost = 1) bbb is the number of nodes of each layer,$$s is ...
隐式马尔科夫模型HMM - Lecture Note for CS188(暨CS181 ShanghaiTech)
liubai01的博客
11-18 1019
说明：笔记旨在整理我校CS181课程的基本概念(PPT借用了Berkeley CS188)。由于授课及考试语言为英文，故英文出没可能。 目录   1 Markov Models(aka Markov chain/process) 2 Hidden Markov Models 3 Inference tasks 4 Dynamic Bayes Nets 5 Particle Filte...
UCB CS188 人工智能导论笔记（二）
龙哥盟
11-22 1562
所以他实际上有一些关于聊天的明智的话要说，gpt，世界上到底发生了什么，当人们吸收所有这些东西，嗯，他说了很多F字，以防你想听这个，在小孩子周围，或者在办公室里，什么的，嗯，从我过去两周的旅行中，嗯。我很高兴地说拉丁语，美国人，和加勒比国家宣布支持一项条约，至少禁止某些类型的自主武器，那是我的哥斯达黎加之旅，和我的荷兰之旅，美国和中国，和大约50个其他国家，到目前为止。
人工智能搜索详解：盲目与启发式方法
2. 启发式搜索（Informed Search）：这种方法引入了问题相关的信息，如启发式函数，以指导搜索方向，提高求解效率。启发式搜索能够处理更复杂的任务，如A*搜索就是一种广泛应用的启发式搜索算法。然而，启发式函数的...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值