1樓：逆火流丸
啟發式搜尋就是在狀態空間中的搜尋對每一個搜尋的位置進行評估，得到最好的位置，再從這個位置進行搜尋直到目標。這樣可以省略大量無謂的搜尋路徑，提高了效率。在啟發式搜尋中，對位置的估價是十分重要的。
採用了不同的估價可以有不同的效果。我們先看看估價是如何表示的。
2樓：匿名使用者
這個可以這樣理解，啟發式掃描可以發現許多未知病毒，啟發式搜尋引擎就可以理解為可以儘量按照你的需要搜尋你所需的東西，而不需要你多次搜尋。 ...
什麼是啟發式搜尋?並以八數碼難題為例,說明其原理
3樓：
啟發式搜尋就是在狀態空間中的搜尋對每一個搜尋的位置進行評估，得到最好的位置，再從這個位置進行搜尋直到目標。這樣可以省略大量無謂的搜尋路徑，提高了效率。在啟發式搜尋中，對位置的估價是十分重要的。
採用了不同的估價可以有不同的效果。我們先看看估價是如何表示的。 啟發中的估價是用估價函式表示的，如：
最佳優先搜尋的最廣為人知的形式稱為a*搜尋(發音為「a星搜尋」).它把到達節點的耗散g(n) 和從該節點到目標節點的消耗h(n)結合起來對節點進行評價：f(n)=g(n)+h(n) 因為以g(n)給出了從起始節點到節點n的路徑耗散，而h(n)是從節點n到目標節點的最低耗散路徑的估計耗散值，因此f(n)=經過節點n的最低耗散解的估計耗散.
這樣，如果我們想要找到最低耗散解，首先嚐試找到g(n)+h(n)值最小的節點是合理的。可以發現這個策略不只是合理的:倘若啟發函式h(n)滿足一定的條件，a*搜尋既是完備的也是最優的。
如果把a*搜尋用於tree-search,它的最優性是能夠直接分折的。在這種情況下，如果h(n)是一個可採納啟發式--也就是說，倘若h(n)從不會過高估計到達目標的耗散--a*演算法是最優的。可採納啟發式天生是最優的，因為他們認為求解問題的耗散是低於實際耗散的。
因為g(n)是到達節點n的確切耗散，我們得到一個直接的結論：f(n)永遠不會高估經過節點n的解的實際耗散. 啟發演算法有：
蟻群演算法，遺傳演算法、模擬退火演算法等 蟻群演算法是一種來自大自然的隨機搜尋尋優方法，是生物界的群體啟發式行為，現己陸續應用到組合優化、人工智慧、通訊等多個領域。蟻群演算法的正反饋性和協同性使其可用於分散式系統，隱含的並行性更使之具有極強的發展潛力。從數值**結果來看，它比目前風行一時的遺傳演算法、模擬退火演算法等有更好的適應性。
啟發式搜尋是什麼?
4樓：眼眸裡的荒蕪
就是在狀態空間中的搜尋對每一個搜尋的位置進行評估，得到最好的位置，再從這個位置進行搜尋直到目標。這樣可以省略大量無謂的搜尋路徑，提高了效率。在啟發式搜尋中，對位置的估價是十分重要的。
採用了不同的估價可以有不同的效果。我們先看看估價是如何表示的。
啟發中的估價是用估價函式表示的，如：
最佳優先搜尋的最廣為人知的形式稱為a*搜尋(發音為「a星搜尋」)。它把到達節點的耗散g(n)和從該節點到目標節點的消耗h(n)結合起來對節點進行評價：f(n)=g(n)+h(n)。
因為以g(n)給出了從起始節點到節點n的路徑耗散，而h(n)是從節點n到目標節點的最低耗散路徑的估計耗散值，因此f(n)=經過節點n的最低耗散解的估計耗散。這樣，如果我們想要找到最低耗散解，首先嚐試找到g(n)+h(n)值最小的節點是合理的。可以發現這個策略不只是合理的：
倘若啟發函式h(n)滿足一定的條件，a*搜尋既是完備的也是最優的。
如果把a*搜尋用於tree-search，它的最優性是能夠直接分析的。在這種情況下，如果h(n)是一個可採納啟發式--也就是說，倘若h(n)從不會過高估計到達目標的耗散——a*演算法是最優的。可採納啟發式天生是最優的，因為他們認為求解問題的耗散是低於實際耗散的。
因為g(n)是到達節點n的確切耗散，我們得到一個直接的結論：f(n)永遠不會高估經過節點n的解的實際耗散.
啟發演算法有： 蟻群演算法，遺傳演算法、模擬退火演算法等。
蟻群演算法是一種來自大自然的隨機搜尋尋優方法，是生物界的群體啟發式行為，現己陸續應用到組合優化、人工智慧、通訊等多個領域。蟻群演算法的正反饋性和協同性使其可用於分散式系統，隱含的並行性更使之具有極強的發展潛力。從數值**結果來看，它比目前風行一時的遺傳演算法、模擬退火演算法等有更好的適應性。
什麼叫"啟發式搜尋"？它是如何實現的？
5樓：紅豆愛阿翁
就是在狀態空間中的搜尋對每一個搜尋的位置進行評估，得到最好的位置，再從這個位置進行搜尋直到目標。
這樣可以省略大量無謂的搜尋路徑，提高了效率。在啟發式搜尋中，對位置的估價是十分重要的
6樓：真情告白
啟發式搜尋就是類似於間接式搜尋！我們搜尋一般分為直接式和間接式。啟發式是從一個問題然後啟發到另一個問題，也就是類似於連結。
啟發式搜尋引擎有什麼好處
7樓：輕候秋梵澤
這個可以這樣理解，啟發式掃描可以發現許多未知病毒，啟發式搜尋引擎就可以理解為可以儘量按照你的需要搜尋你所需的東西，而不需要你多次搜尋。
啟發式搜尋演算法的介紹
8樓：況瑛瑤
啟發式搜尋演算法，就是在狀態空間中的搜尋對每一個搜尋的位置進行評估，得到最好的位置，再從這個位置進行搜尋直到目標。
結合決策樹學習過程說明機器學習過程是一個啟發式搜尋過程
9樓：殘楓_落葉
大概講一下決策樹吧，decision tree 每個節點是根據所挑選的特徵來進行預判斷的，從root開始到每一個split node根據當前最有利的特徵進行split tree，但是每個split node 並非能夠給出100%的判斷，而是有一定的估值來判斷是將某個example放在left-child-tree還是right-child-tree,（eg:某個節點給出86.6%的概率值為可能為left,13.
4%的概率為right)因此可以說決策樹與啟發式搜尋的共同之處在於每個節點給出了評估值！（愚見可能不大對哈~）
10樓：
將決策樹原理說清楚就可以
孔子的啟發式教學思想是什麼，孔子的啟發式教學思想是什麼？
概括為幾點 1.教人仁義，教人做人 主要 2.鼓勵好問 3.鼓勵思考 4.有教無類 第二 重要 5.擅於鼓勵，肯定 的正確思想 行為 6.維護 在外人面前肯定 恰到好處而不過分推銷 7.能承認自己的錯誤，並向 道歉 8.其他次要的，比如重視禮節等，到今天可能並不適用，因為繁文縟節到現在也變的簡化，古...