对于具有启发式函数的搜索算法,启发式函数的性能通过有效分支因子来衡量这涉及扩展的总节点和解决方案的深度. 我无法找出不同的值影响性能保持不变. 换句话说,为什么不只使用作为绩效衡量标准,而不是?
为什么要使用有效分支因子来衡量启发式函数的性能?
人工智能
搜索
启发式
表现
分支因子
2021-10-25 07:30:50
2个回答
前几次我也走进了那个陷阱。区别如下:
- 是展开节点的数量
- 是有效分支因子
- 取决于深度目标和生成节点的数量,让我们称之为
- 是解决方案
所以,你可以争辩说,而不是比较和两种算法,也可以直接比较和, 因为.
但是你可以想象一个算法扩展的节点少于(所以),但也有不同的节点,以便它生成更多的节点(所以)。由于成本由生成节点的数量定义,因此比较可能会给出错误的结果。
有效分支因子比生成节点的数量更通用,因为你可以平均对于许多搜索问题的一种算法,但对节点数量(可能有很大差异)进行平均是不可能的,或者说是荒谬的。
如你所见是展开的节点数。每个节点的扩展成本等于该节点的子节点数。因此,我们使用对于每个节点。也就是说,扩容过程中涉及的节点总数为.
其它你可能感兴趣的问题