برای رشد توابع میتوان از حد استفاده کرد که در شکل بالا تعریف شده است.
📣👨💻 @AlgorithmDesign_DataStructuer
📣👨💻 @AlgorithmDesign_DataStructuer
👨💻1
🤔4
همان طور که در شکل بالا میبینید UCS همانند یک لاک پشت می باشد که فکر میکند و به آرامی به هدف نزدیک میشود و Greedy یا همان حریصانه رفتن همانند خرگوش فرض شده است یعنی دوست دارد سریع به هدف نزدیک شود. ترکیبی از این دو الگوریتم , الگورتیم A* را به وجود می آورد زیرا که همانند خرگوش زودتر به هدف میرسد و با فکر لاک پشت میتواند از مسیری برود که با هزینه کمتری به همراه داشته باشد.
📣👨💻 @AlgorithmDesign_DataStructuer
📣👨💻 @AlgorithmDesign_DataStructuer
👏6👍2👨💻2
یک مثال بسیار خوب از الگوریتم A* که میتوانیم با استفاده از فرمول گفته شده آن را به دست آورد.
همچنین نکاتی وجود دارد که باید گفته شود. میتوان گفت A* بهینه هست که بتوان ابتکار یا Heuristic خوبی را برای آن در نظر بگیریم اگر ابتکار خوبی نداشته باشیم بهینه نمی باشد. از نکاتی دیگری که باید به آن توجه کرد این است که ممکن این مسیری وجود داشته باشد کهf(n) آن یکسان باشد شما باید هر هر دو مسیر را امتحان کنید زیرا ممکن است در ادامه هزینه کمتری برای رسیدن به هدف بپرازید.
یک نکته دیگر هم این است که شکل بالا یک جستجوی ابتدا به شکل گراف بوده است سپس آن را به شکل درخت درآورده شده است.
📣👨💻 @AlgorithmDesign_DataStructuer
همچنین نکاتی وجود دارد که باید گفته شود. میتوان گفت A* بهینه هست که بتوان ابتکار یا Heuristic خوبی را برای آن در نظر بگیریم اگر ابتکار خوبی نداشته باشیم بهینه نمی باشد. از نکاتی دیگری که باید به آن توجه کرد این است که ممکن این مسیری وجود داشته باشد کهf(n) آن یکسان باشد شما باید هر هر دو مسیر را امتحان کنید زیرا ممکن است در ادامه هزینه کمتری برای رسیدن به هدف بپرازید.
یک نکته دیگر هم این است که شکل بالا یک جستجوی ابتدا به شکل گراف بوده است سپس آن را به شکل درخت درآورده شده است.
📣👨💻 @AlgorithmDesign_DataStructuer
👍3
🤔7
میخواهیم در مورد نورون های عصبی بحث کنیم. همان طور که در اسلاید های قبل گفتیم شبکه های عصبی همانند مغز هستند. در شبکه عصبی بالا یکسری ورودی به شبکه های عصبی داده شده است این ورودی ها در یکسری وزن ها ضرب میشوند و بعد هم همگی با استفاده از زیگما جمع میشود و در آخر هم از یک تابعی که بیشتر درمورد آن ها بحث خواهیم کرد رد میشوند و بعد هم یکسری خروجی را در آخر داریم. هدف من در این اسلاید این بود که شما را با با نورون های عصبی آشنا کنم که در آینده درمورد تک تک چیزهایی که گفته شد به مفصل توضیح خواهیم داد.
📣👨💻 @AlgorithmDesign_DataStructuer
📣👨💻 @AlgorithmDesign_DataStructuer
👌2
👌2
▶️Expectimax:
در درخت Minimax ممکن است خروجی هایی وجود داشته باشد که توسط رقیب کنترل نشود برای همین این خروجی ها غیر قطعی می باشد و همچنین به صورت شانسی هستند.
حال ممکن است سوالی به وجود آید چرا ما خروجی غیر قطعی را نمیدانیم؟ دلیل های زیادی در این باره وجود دارد که برخی از آن ها : تصادفی بود مانند انداختن سکه , رقابای غیر قابل پیش بینی و اعمال ناموفقی که ممکن است ماشین طبق خواسته راننده عمل کند و... که در نتیجه باید بازخوردی از خروجیهای حالت میانگین یعنی Expectimax باشند ن خروجیهای بدترین حالت Minimax.
در جستجوی Expectimax امتیاز میانگین ناشی از بازی بهنیه می باشد که داریم:
1-نودهای Max مثل جستجوی Minimax هستند.
2-نودهای شانس جای نودهای Min را میگیرن ولی خروجی های آن ها نامشخص است.
3-در آخر هم باید میانگین وزن دار را در نودهای شانس حساب کنیم.
📣👨💻 @AlgorithmDesign_DataStructuer
در درخت Minimax ممکن است خروجی هایی وجود داشته باشد که توسط رقیب کنترل نشود برای همین این خروجی ها غیر قطعی می باشد و همچنین به صورت شانسی هستند.
حال ممکن است سوالی به وجود آید چرا ما خروجی غیر قطعی را نمیدانیم؟ دلیل های زیادی در این باره وجود دارد که برخی از آن ها : تصادفی بود مانند انداختن سکه , رقابای غیر قابل پیش بینی و اعمال ناموفقی که ممکن است ماشین طبق خواسته راننده عمل کند و... که در نتیجه باید بازخوردی از خروجیهای حالت میانگین یعنی Expectimax باشند ن خروجیهای بدترین حالت Minimax.
در جستجوی Expectimax امتیاز میانگین ناشی از بازی بهنیه می باشد که داریم:
1-نودهای Max مثل جستجوی Minimax هستند.
2-نودهای شانس جای نودهای Min را میگیرن ولی خروجی های آن ها نامشخص است.
3-در آخر هم باید میانگین وزن دار را در نودهای شانس حساب کنیم.
📣👨💻 @AlgorithmDesign_DataStructuer
👍3
هزینه کدام یک از اعمال زیر در یک صف که به ابتدا و انتهای آن اشاره گر داریم ثابت نیست؟
Anonymous Quiz
15%
درج یک عنصر در تنهای صف
69%
حذف کوچکترین عنصر از صف
5%
حذف یک عنصر از ابتدای صف
12%
دسترسی به عنصر انتهای صف
به دست آوردن پیچیدگی زمانی ضرب دو آرایه با استفاده از Divide and Conquer
📣👨💻 @AlgorithmDesign_DataStructuer
📣👨💻 @AlgorithmDesign_DataStructuer