Antwort

3

Hill Climbing Suchalgorithmus gehört zur Familie der lokalen Suchvorgänge, die sich aufgrund der besseren Zustände ihrer Nachbarn bewegen. Stochastic Hill Climbing wählt aus allen besseren Zuständen in den Nachbarn einen zufällig besseren Zustand, während Hill Climbing aus zufällig generierten Nachbarn den ersten besseren Zustand auswählt.

First-Choice Hill Climbing wird eine gute Strategie, wenn der aktuelle Zustand viele Nachbarn hat.

+0

Meinst du mit erster Wahl Hill Climbing ist der klassische Hill Climbing-Algorithmus? – Nasser

+1

Nein, Hill Climbing-Algorithmus wählt den besten aller Nachbarn aus (alle Nachbarn wurden besucht/berechnet), der besser ist als der aktuelle Zustand, während die erste Wahl nur den ersten gefundenen eines besseren Zustands auswählt (nicht alle Nachbarn wurden besucht/berechnet). –

+0

@GustiAhmadFanshuriAlfarisy, Vielen Dank für Ihre nette Antwort. Ich denke, Sie haben vielleicht einen wichtigen Punkt verpasst. Beim allgemeinen stochastischen Bergsteigen variiert die Wahrscheinlichkeit einer Selektion gewöhnlich mit der Steilheit der Bergaufbewegung. –

0

Ich zitiere aus Artificial Intelligence: A Modern Approach (3rd ed.) (2010) by Russell, Norvig

Stochastische Hill-Climbing aus den Reihen der Bergauf bewegt sich zufällig wählt; die Wahrscheinlichkeit der Auswahl kann mit der Steilheit der Bergaufbewegung variieren. Dieser konvergiert normalerweise langsamer als der steilste Anstieg, aber in einigen staatlichen Landschaften findet er bessere Lösungen. Erste Wahl Hill Climbing Werkzeuge Stochastic Hill Climbing durch Generierung Nachfolger nach dem Zufallsprinzip, bis eine generiert wird, die besser ist als die aktuellen Zustand. Dies ist eine gute Strategie, wenn ein Zustand viele Nachfolger (z. B. Tausende) hat.

So First-Choice-Bergsteigen ist eine besondere Art von stochastischen Bergsteigen.