知识卡片
IDA星逐步提高估计成本阈值
IDA*以 f=g+h 作为阈值进行限界深度优先搜索,下一轮阈值通常取本轮超过阈值的最小f;它并非单纯每轮增加搜索深度,也并非不使用启发式。可采纳启发式、合适的代价及终止条件下可获得最优解,通常节省开放集空间,但会重复扩展节点。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- · 查看原书依据
迭代加深A*(IDA*),由Korf(1985)提出。它依赖于一系列逐渐扩展的有限制的深度优先搜索。对于每次后继迭代,搜索深度限制都会在前次的基础上增加。IDA*比单独的深度优先搜索或者广度优先搜索要高效得多,因为每次计算出的开销值都是基于实际的走法序列而不是启发式函数的估计。Korf(2000)描
参考来源
- 位置:《算法技术手册》第7章《变种》(spine1608;extracted/OReilly精品图书系列共21册(《Javascript权威指南》、《机器学习:实用案例解析》、《编写可读代码的艺术》、《算法精解》等)/_epub-src/text/part1571.html;u201-ch07-007)。
- 结论依据:201全文实读;阈值机制用于纠正原文。
- 原始内容:迭代加深A*(IDA*),由Korf(1985)提出。它依赖于一系列逐渐扩展的有限制的深度优先搜索。对于每次后继迭代,搜索深度限制都会在前次的基础上增加。IDA*比单独的深度优先搜索或者广度优先搜索要高效得多,因为每次计算出的开销值都是基于实际的走法序列而不是启发式函数的估计。Korf(2000)描