### 최적의 거리 찾기
도시를 다들리는 최적의 방법을 찾는법은
수많은 경를 다구해 최단 거리를 산출하는 방법
### 순서도
1. Initial state
목적
2. Possible actions
가능한 방한들
3. Goal test
목적에 도착 했는가
4. Path cost
Step cost (x, a , y) ≥ 0: 방법은 0보다 크거나 같다
비용 정리
### 추상화 방법
원래 문제를 추상화를 통하여 간단하게 혹은 쉽게 이해하게 만든다
### tree search(트리 서치)
이동의 경우의수를 트리구조로 만든것
액션이 가능한 경우에 수를 나열하여 다음갈 곳도 나열을 한다
### 전략
1. Completeness: 해를 찾을 수 있다 라는 목적
2. Time complexity : 시간이 얼마나 걸릴지
3. Space complexity: 총 매모리 필요량
4. Optimality : 항상 최적의 솔루션이 있나?
### Uninformed search
1. Breadth-first search : 너비 우선
2. Uniform-cost search
3. Depth-first search : 깊이 우선
4. Depth-limited search
5. Iteratibe deepening search
@@ 너비 우선 탐색 (Breadth-First search)
FiFO(first in first out)
fringe(아직 펼쳐지지않은 로드)
A
B C
D E F G
시작
A --> a갈 수 있는곳 BC
BC ---> b 갈 수있는곳 DE
CDE ---> c 갈 수 있는곳 FG
DEFG ---> d 갈 수 있는곳 ......
이런식으로 메모리를 최대한 절약하여 찾는 방법
@@ 깊이 우선 탐색(Depth-First search)
LIFO = Last in frist out
A
B C
D E F G
시작
A --> a갈 수 있는곳 BC
BC ---> b 갈 수있는곳 DE
DEC ---> d 갈 수 있는곳 HI
HIEC ---> H 갈 수 있는곳 없을시 없엠
IEC ---> I 갈 수 있는곳 ....
끝 까지 가보는 것 이다
그렇게 메모리를 줄여 서치를 한다
'K-MOOC > 인공지능 기초' 카테고리의 다른 글
6주차 게임이론 (0) | 2020.04.09 |
---|---|
5주차 강화학습 (0) | 2020.04.02 |
4주차 강화학습 (0) | 2020.03.28 |
3주차 휴리스틱 탐색 (0) | 2020.03.24 |
1주차 인공지능 소개 (0) | 2020.03.20 |