| Property |
Value |
| dbo:abstract
|
- A számÃtástudományban a hegymászó algoritmus egy eljárás, amely a keresÅ‘algoritmusok osztályába tartozik. Az eljárás egy kezdeti - véletlenszerű - megoldásból indul ki, majd iteratÃvan megkÃsérel egy mind jobb megoldást találni minden lépésben, mindig egy elemet megváltoztatva az eredményhalmazon, ameddig nem talál jobbat. Az algoritmus relatÃve egyszerűsége okán az egyik leggyakrabban elsÅ‘nek választott optimizáló eljárás. Széles körben használja a mesterséges intelligencia tudománya, mivel bár fejlettebb algoritmusok is léteznek, sok esetben ez is elég jó teljesÃtményt képes felmutatni. A hegymászó algoritmus megtalálja az optimális megoldást a konvex problémákhoz – más problémák esetén csak a helyi szélsőértéket fogja megtalálni (azokat a megoldásokat, amelyeken a szomszédos konfigurációk sem képesek javÃtani), amely nem feltétlenül a legjobb megoldás (a globális szélsőérték) az összes lehetséges megoldás közül. A hegymászó algoritmussal konvex problémákat megoldó algoritmusokra példa a lineáris programozás és a bináris keresés szimplex algoritmusa. Hogy elkerülje a helyi szélsőértéken ragadást, újra is indulhat (azaz ismételt helyi keresés), vagy bonyolultabb sémákat alkalmazhat iterációkon (például iterált helyi keresés), vagy memórián (például reaktÃv keresésoptimalizálás és tabukeresés), vagy memóriamentes sztochasztikus módosÃtásokon (mint például a szimulált hűtés). A hegymászó algoritmus gyakran jobb eredményt nyújthat, mint más algoritmusok, ha a keresés elvégzésére álló idÅ‘ korlátozott, például valósidejű rendszereknél, mindaddig, amÃg kis számú lépés elegendÅ‘ a jó megoldáshoz (az optimális megoldás vagy egy megközelÃtése). A buborékrendezés hegymászó algoritmusnak tekinthetÅ‘ (minden szomszédos elemcsere csökkenti a rendezetlen elempárok számát), ám ez a megközelÃtés messze nem hatékony még egyszerű N esetében sem, mivel a cserék száma négyzetesen növekszik. További elÅ‘nye, hogy a futtatás bármely pillanatában is szakÃtjuk meg a működését, a (rész)megoldás mindig elérhetÅ‘. (hu)
- A számÃtástudományban a hegymászó algoritmus egy eljárás, amely a keresÅ‘algoritmusok osztályába tartozik. Az eljárás egy kezdeti - véletlenszerű - megoldásból indul ki, majd iteratÃvan megkÃsérel egy mind jobb megoldást találni minden lépésben, mindig egy elemet megváltoztatva az eredményhalmazon, ameddig nem talál jobbat. Az algoritmus relatÃve egyszerűsége okán az egyik leggyakrabban elsÅ‘nek választott optimizáló eljárás. Széles körben használja a mesterséges intelligencia tudománya, mivel bár fejlettebb algoritmusok is léteznek, sok esetben ez is elég jó teljesÃtményt képes felmutatni. A hegymászó algoritmus megtalálja az optimális megoldást a konvex problémákhoz – más problémák esetén csak a helyi szélsőértéket fogja megtalálni (azokat a megoldásokat, amelyeken a szomszédos konfigurációk sem képesek javÃtani), amely nem feltétlenül a legjobb megoldás (a globális szélsőérték) az összes lehetséges megoldás közül. A hegymászó algoritmussal konvex problémákat megoldó algoritmusokra példa a lineáris programozás és a bináris keresés szimplex algoritmusa. Hogy elkerülje a helyi szélsőértéken ragadást, újra is indulhat (azaz ismételt helyi keresés), vagy bonyolultabb sémákat alkalmazhat iterációkon (például iterált helyi keresés), vagy memórián (például reaktÃv keresésoptimalizálás és tabukeresés), vagy memóriamentes sztochasztikus módosÃtásokon (mint például a szimulált hűtés). A hegymászó algoritmus gyakran jobb eredményt nyújthat, mint más algoritmusok, ha a keresés elvégzésére álló idÅ‘ korlátozott, például valósidejű rendszereknél, mindaddig, amÃg kis számú lépés elegendÅ‘ a jó megoldáshoz (az optimális megoldás vagy egy megközelÃtése). A buborékrendezés hegymászó algoritmusnak tekinthetÅ‘ (minden szomszédos elemcsere csökkenti a rendezetlen elempárok számát), ám ez a megközelÃtés messze nem hatékony még egyszerű N esetében sem, mivel a cserék száma négyzetesen növekszik. További elÅ‘nye, hogy a futtatás bármely pillanatában is szakÃtjuk meg a működését, a (rész)megoldás mindig elérhetÅ‘. (hu)
|
| dbo:wikiPageExternalLink
| |
| dbo:wikiPageID
| |
| dbo:wikiPageLength
|
- 9476 (xsd:nonNegativeInteger)
|
| dbo:wikiPageRevisionID
| |
| prop-hu:author
|
- Jason Brownlee (hu)
- Toby Segaran (hu)
- Jason Brownlee (hu)
- Toby Segaran (hu)
|
| prop-hu:edition
| |
| prop-hu:id
|
- isbn 978-0-596-52932-1 (hu)
- isbn 978-1-4467-8506-5 (hu)
- isbn 978-0-596-52932-1 (hu)
- isbn 978-1-4467-8506-5 (hu)
|
| prop-hu:title
|
- Programming Collective Intelligence (hu)
- Clever Algorithms, Nature-Inspired Programming Recipes (hu)
- Programming Collective Intelligence (hu)
- Clever Algorithms, Nature-Inspired Programming Recipes (hu)
|
| prop-hu:url
|
- https://archive.org/details/programmingcolle00sega_0| publisher=O'Reilly Media Inc. (hu)
- https://archive.org/details/bub_gb_SESWXQphCUkC| year=2011 (hu)
- https://archive.org/details/programmingcolle00sega_0| publisher=O'Reilly Media Inc. (hu)
- https://archive.org/details/bub_gb_SESWXQphCUkC| year=2011 (hu)
|
| prop-hu:wikiPageUsesTemplate
| |
| prop-hu:year
| |
| dct:subject
| |
| rdfs:comment
|
- A számÃtástudományban a hegymászó algoritmus egy eljárás, amely a keresÅ‘algoritmusok osztályába tartozik. Az eljárás egy kezdeti - véletlenszerű - megoldásból indul ki, majd iteratÃvan megkÃsérel egy mind jobb megoldást találni minden lépésben, mindig egy elemet megváltoztatva az eredményhalmazon, ameddig nem talál jobbat. Az algoritmus relatÃve egyszerűsége okán az egyik leggyakrabban elsÅ‘nek választott optimizáló eljárás. Széles körben használja a mesterséges intelligencia tudománya, mivel bár fejlettebb algoritmusok is léteznek, sok esetben ez is elég jó teljesÃtményt képes felmutatni. (hu)
- A számÃtástudományban a hegymászó algoritmus egy eljárás, amely a keresÅ‘algoritmusok osztályába tartozik. Az eljárás egy kezdeti - véletlenszerű - megoldásból indul ki, majd iteratÃvan megkÃsérel egy mind jobb megoldást találni minden lépésben, mindig egy elemet megváltoztatva az eredményhalmazon, ameddig nem talál jobbat. Az algoritmus relatÃve egyszerűsége okán az egyik leggyakrabban elsÅ‘nek választott optimizáló eljárás. Széles körben használja a mesterséges intelligencia tudománya, mivel bár fejlettebb algoritmusok is léteznek, sok esetben ez is elég jó teljesÃtményt képes felmutatni. (hu)
|
| rdfs:label
|
- Hegymászó algoritmus (hu)
- Hegymászó algoritmus (hu)
|
| owl:sameAs
| |
| prov:wasDerivedFrom
| |
| foaf:isPrimaryTopicOf
| |
| is foaf:primaryTopic
of | |
