Эвристическая функция: эвристическая функция | Перевод эвристическая функция?

Эвристические функции — Искусственный интеллект

Главная книги Копия Глава 4. Эвристические функции

Эвристические функции В этом разделе будут рассматриваться эвристические функции для задачи игры в восемь, что позволяет лучше продемонстрировать характерные особенности всех эвристических функций в целом. Головоломка «игра в восемь» была одной из первых задач эвристического поиска. Как было указано в разделе 3.2, в ходе решения этой головоломки требуется передвигать фишки по горизонтали или по вертикали на пустой участок до тех пор, пока полученная конфигурация не будет соответствовать целевой конфигурации (рис. 4.5). Рис. 4.5. Типичный экземпляр головоломки «игра в восемь». Решение имеет длину 26 этапов Средняя стоимость решения для сформированного случайным образом экземпляра головоломки «игра в восемь» составляет около 22 этапов. Коэффициент ветвления примерно равен 3. (Если пустой квадрат находится в середине коробки, то количество возможных ходов равно четырем, если находится в углу— двум, а если в середине одной из сторон — трем.) Это означает, что при исчерпывающем поиске на глубину 22 приходится рассматривать примерносостояний. Отслеживая повторяющиеся состояния, это количество состояний можно сократить приблизительно в 170 000 раз, поскольку существует только 9 ! /2 = 181 440 различимых состояний, которые являются достижимыми (см. упр. 3.4.) Это количество состояний уже лучше поддается контролю, но соответствующее количество для игры в пятнадцать примерно равно, поэтому для такой головоломки с более высокой сложностью требуется найти хорошую эвристическую функцию. Если нужно находить кратчайшие решения с использованием поиска А*, то требуется эвристическая функция, которая никогда не переоценивает количество этапов достижения цели. История исследований в области поиска таких эвристических функций для игры в пятнадцать является довольно долгой, а в данном разделе рассматриваются два широко используемых кандидата на эту роль, которые описаны ниже. • = количество фишек, стоящих не на своем месте. На рис. 4.5 все восемь фишек стоят не на своем месте, поэтому показанное слева начальное состояние имеет эвристическую оценку. Эвристическая функцияявляется допустимой, поскольку очевидно, что каждую фишку, находящуюся не на своем месте, необходимо переместить по меньшей мере один раз. • = сумма расстояний всех фишек от их целевых позиций. Поскольку фишки не могут передвигаться по диагонали, рассчитываемое расстояние представляет собой сумму горизонтальных и вертикальных расстояний. Такое расстояние иногда называют расстоянием, измеряемым в городских кварталах, или манхэттенским расстоянием. Эвристическая функция h3 также является допустимой, поскольку все, что может быть сделано в одном ходе, состоит лишь в перемещении одной фишки на один этап ближе к цели. Фишки от 1 до 8 в рассматриваемом начальном состоянии соответствуют такому значению манхэттенского расстояния: Как и можно было предположить, ни одна из этих функций не переоценивает истинную стоимость решения, которая равна 26.   Назад

3. Познавательно-эвристическая функция (искусство как знание и просвещение).

На заре своего развития философия выказала недоверие к познавательным возмож-ностям искусства. Так, Платон считал необходимым изгнать из идеального государства худо-жников, развращающих общество и уводящих людей от важных свободневных вопросов (даже Гомера, правда предварительно увенчав его лавровым венком). Для Гегеля искусство также было низшей формой познания истины.

В действительности познавательные возможности искусства огромны и незаменимы иными сферами человеческой духовной жизни. Из романов Диккенса можно узнать о жизни английского общества больше, чем из сочинений всех историков, экономистов, статистиков той эпохи, вместе взятых.

Искусство осваивает конкретно-чувственное богатство мира, раскрывает его эстети-ческое многообразие, показывает новое в привычном. одновременно с этим, возвращает миру его первозданную прелесть, оттачивает наши чувства. В конце концов, дает новые (чувственные) формы познания истины, не требующей конкретных доказательств. Так, образ Икара сформировался в творческом сознании человечества гораздо раньше, чем он стал достоянием научных опытов Леонарда да Винчи. Тайны мира вселенной, ее структура и сущность была предсказана религией и искусством Даосов, Зороастризма и Кабаллы за много тысячелетий ранее. чем это было схормулировано современной наукой. В этом смысле, искусство формирует уникальную, присущую только ей «Картину Мира», будь-то «Гармонии Мира» или «Аппакалипсис», «Метаморфозы» или «Пассионы», где мир предста-ет как единство прошлого, настоящего и будущего, часто в тех явлениях и даже событиях, которые еще не ведомы миру, но уже определяют его перспективы.

4. Воспитательная функция (искусство как катарсис).

Искусство формирует строй чувств и мыслей людей. Воспитательное воздействие других форм общественного сознания носит частный характер: мораль формирует нравственные нормы, политика — политические взгляды, философия — мировоззрение, наука готовит из человека специалиста. Искусство же, если не побояться тавтологии, готовит человека из человека: воздействует комплексно на ум и сердце, и нет такого уголка человеческого духа, который оно не могло бы затронуть своим влиянием.

Искусство формирует целостную личность.

Воздействие искусства ничего общего не имеет с дидактическим нра­воучением и осуществляется через эстетический идеал, который проявляется и в положительных, и в отрицательных образах.

Искусство, как и наука, «сокращает нам опыты быстротекущей жизни» (Пушкин). Художественное произведение позволяет пережить многие чужие жизни, как свою и обогатиться опытом других людей, присвоить его, сделать его элементом своей личности. Воздействие искусства направлено на социализацию целостной личности и утверждение ее самоценного значения.

5.Функция просвещения и образования человека средствами искусства.

Одна из наиболее развитый человечеством функций, обозначенных и поставленных на службу об-ществом еще на заре своего формирования. В разделе истории эстетических учений неоднократно упоминались теории и концепции, начиная с античности, через просвещение, ро-мантизм к современности, о просвещенческой роли искусства, о благотворном ее воздейс-твии как инструмента воспитания и формирования моральных, социальных и коммуникати-вных качеств человека. Аристотель, Платон, Монтень, Дидро, Руссо, Ломоносов, Сковорода, Могила, Карсавин, Чернышевский, Достоевский, Толстой, Драгоманов и др. уделяли уделяли внимание и подчеркивали фактор огромного влияния искусству как инструмента духовного преобразования мира.

Искусство — средство просвещения (передача опыта, фактов) и образования (передача навыков мышления и системы взглядов).

Информация, содержащаяся в искус-стве, огромна. Оно существенно пополняет наши знания и представления о мире. В этом смысле — искусство — средство познания мира, самовершенствования и самопознания личности.

Введение в функцию эвристики в ИИ

Эвристика — это метод решения проблем, целью которого является найти работоспособное решение за разумное время. Эвристические методы стремятся к быстрому решению, которое остается в соответствующем диапазоне точности, а не к идеальному решению.

Когда решить конкретную проблему с помощью пошагового подхода кажется невозможным, в ИИ (искусственном интеллекте) и МО (машинном обучении) используются эвристики. Эвристические функции в ИИ отдают предпочтение скорости, а не точности; следовательно, они часто сочетаются с методами оптимизации, чтобы обеспечить лучшие результаты.

Что такое эвристическая функция?

Если конкретных ответов на проблему нет или время, необходимое для их поиска, слишком велико, для решения проблемы используется эвристическая функция.

Цель состоит в том, чтобы найти более быстрый или более приблизительный ответ, даже если он не идеален. Иными словами, использование эвристики означает обмен точностью на скорость.

Эвристика — это функция, определяющая, насколько состояние близко к желаемому состоянию. Функции эвристики различаются в зависимости от проблемы и должны быть адаптированы для решения этой конкретной задачи. Большинство проблем ИИ связаны с большим объемом информации, данных и ограничений, и задача состоит в том, чтобы найти способ достичь целевого состояния. Функция эвристики в этой ситуации информирует нас о близости к желаемому условию. Формула расстояния является отличным вариантом, если вам нужна эвристическая функция для оценки того, насколько близко место в двухмерном пространстве находится к целевой точке.

Свойства алгоритма эвристического поиска

Алгоритмы эвристического поиска обладают следующими свойствами:

• Допустимое условие: если алгоритм дает оптимальный результат, он считается допустимым.
• Полнота: Если алгоритм заканчивается решением, он считается завершенным.
• Свойство доминирования: если A1 и A2 являются двумя эвристическими алгоритмами и имеют эвристические функции h2 и h3 соответственно, то A1 будет доминировать над A2, если h2 превосходит h3 для всех возможных значений узла n.
• Свойство оптимальности: если алгоритм тщательный, допустимый и доминирует над другими алгоритмами, он будет оптимальным и, несомненно, даст оптимальный результат.

Различные категории методов эвристического поиска в ИИ

Методы эвристического поиска можно разделить на два типа: 

Методы прямого эвристического поиска

Методы прямого эвристического поиска также могут называться стратегией слепого контроля, слепым поиском и неинформированным поиском.

Они используют произвольную последовательность операций и ищут решение во всем пространстве состояний. К ним относятся поиск в глубину (DFS) и поиск в ширину (BFS).

BFS — это эвристический метод поиска для построения диаграмм данных или быстрого сканирования пересечений или древовидных структур. DFS основан на вероятности того, что последний пришел, первый ушел. Точно так же структура данных стека LIFO используется для завершения процесса в рекурсии.

Слабые эвристические методы

Слабые эвристические методы известны как эвристическая стратегия управления, информированный поиск и эвристический поиск. Они успешны при эффективном использовании в соответствующих задачах и обычно требуют знаний в предметной области.

Для изучения и расширения пользователям требуется дополнительная информация для вычисления предпочтений на дочерних узлах. К каждому узлу подключена эвристическая функция.

Давайте сначала рассмотрим некоторые стратегии, которые мы часто встречаем, прежде чем детализировать конкретные. Вот несколько примеров.

• А* Поиск
• поиск по первому наилучшему
• Табу-поиск
• Двунаправленный поиск
• Постоянные проблемы с удовлетворением
• Восхождение на холм

Примеры эвристических функций в AI

Множество проблем можно решить с помощью эвристической функции в ИИ. 2).

Поисковая система

Люди интересовались SEO с тех пор, как появились поисковые системы. Пользователи хотят быстро находить нужную им информацию при использовании поисковой системы. Поисковые системы используют эвристику для ускорения процесса поиска, потому что доступно такое ошеломляющее количество данных. Эвристика может первоначально попробовать каждую альтернативу на каждом этапе. Тем не менее, по мере продвижения поиска он может прекратиться в любой момент, если текущая возможность уступает уже найденному лучшему решению. Таким образом можно повысить точность и скорость работы поисковой системы.

Надеюсь на успешную карьеру в области искусственного интеллекта и машинного обучения. Зарегистрируйтесь в нашей программе профессиональных сертификатов в области искусственного интеллекта и машинного обучения в сотрудничестве с Университетом Пердью прямо сейчас.

Заключение

В заключение, эвристические функции в ИИ имеют решающее значение для ускорения поиска решений. Одним из преимуществ использования эвристических алгоритмов является возможность быстро найти работоспособное решение для текущей ситуации. Поскольку решение достаточно быстрое, оно может быть несовершенным; подойдет плотная посадка. С программой последипломного образования Калифорнийского технологического института в области искусственного интеллекта и машинного обучения вы можете стать экспертом в этой области. Программа охватывает самые последние методы и инструменты искусственного интеллекта.

Часто задаваемые вопросы

1. Что такое эвристическая функция, чтобы привести пример?

Эвристическая функция оценивает примерную стоимость решения задачи. Одним из примеров может быть определение кратчайшего расстояния до определенного места.

2. Где используется эвристическая функция?

Информированный поиск использует эвристическую функцию для определения наиболее подходящего пути. Он оценивает, насколько далеко агент находится от цели, используя текущее состояние агента в качестве входных данных.

3. Какие существуют типы эвристических функций?

Типы эвристических функций в ИИ:

Поиск в ширину (BFS) и поиск в глубину (DFS), двунаправленный поиск, поиск A*, имитация отжига, восхождение на холм, поиск наилучшего первого и поиск луча.

4. Что такое формула эвристической функции?

f(n)= g(n) + h(n), где

f(n)= расчетная стоимость самого дешевого решения

g(n)= стоимость достижения узла n из начального состояния

h(n)= стоимость достижения от узла n до целевого узла

5. Какие существуют четыре типа эвристик?

Четыре типа эвристики: 

• Эвристика доступности
• Эвристика репрезентативности
• Эвристика привязки и настройки
• Быстро и просто

Хотя все они уменьшают умственные усилия, необходимые для принятия решения, каждая эвристика применяется по-своему.

6. Какие существуют три типа эвристики?

Наибольшее внимание привлекли три эвристики: репрезентативность, привязка и корректировка, а также доступность.

искусственный интеллект — что такое эвристическая функция

спросил 8 лет, 8 месяцев назад

Изменено 4 года, 2 месяца назад

Просмотрено 45 тысяч раз

Может кто-нибудь объяснить очень простыми словами, что это такое. Также приведите пример. Так, например, если вам нужно найти эвристическую функцию чего-то, как она должна выглядеть?

Возьмем в качестве примера задачу:

Для задачи о кувшине с водой http://www.math.tamu.edu/~dallen/hollywood/diehard/diehard.htm

Придумайте и объясните допустимую эвристическую функцию (h) [не тривиальное h (n) = 0]. Стоимость действия определяется как 1 единица за выполнение действия, дополнительно 1 единица за перемещение каждого галлона воды (заполнение, опустошать, наливать), и дополнительно 1 единицу за растрату каждый галлон воды (пустой). Стоимость пути (г) составляет сумма стоимости всех действий.

• искусственный интеллект

Эвристическая функция — это функция, которая вычисляет приблизительную стоимость проблемы (или ранжирует альтернативы).

Например, проблема может состоять в том, чтобы найти кратчайшее расстояние до точки. Эвристическая стоимость будет представлять собой расстояние по прямой линии до точки. Это простое и быстрое вычисление, важное свойство большинства эвристик. Истинное расстояние, вероятно, будет больше, так как мы должны придерживаться дорог, и его гораздо сложнее рассчитать.

Эвристические функции часто используются в сочетании с алгоритмами поиска. Вы также можете увидеть термин допустимый , что означает, что эвристика никогда не завышает истинную стоимость. Допустимость может быть важным качеством и требуется для некоторых алгоритмов поиска, таких как A*.

Из вики

Эвристическая функция или просто эвристика — это функция, ранжирующая альтернатив в алгоритмах поиска на каждом шаге ветвления на основе доступная информация, чтобы решить, какой ветви следовать.

Т.е. в шахматах эвристическая функция может исключить возможные ходы, которые приведут к ухудшению позиции (или даже проигрышу) игрока, и не анализировать дальнейшие ходы, поскольку результат не улучшится.

Таким образом, функция может искать больше ходов за более короткий период времени, поскольку она не тратит время на просмотр плохих ходов.

4

Использование эвристической функции для расчета предполагаемой стоимости проблемы. Эвристическая функция для скользящих головоломок, называемых манхэттенским расстоянием. Эвристическая функция, обозначаемая через h(n). Ряд алгоритмов использует эвристические функции, включая эвристический поиск, алгоритм A*, IDA (итеративное углубление-A*).

Эвристическая функция h(n) сообщает оценку минимальной стоимости от любой вершины n до цели. Основываясь на задаче, мы выбираем эвристику, помните, что выбор эвристической функции дает верный результат на всех узлах. Для получения более подробной информации посетите этот веб-сайт: http://theory.

No related posts.