问题标签 [hill-climbing]

以下问题是我从人工智能课程中找到的一个考试练习。

“建议使用爬山算法解决这个问题的启发式机制。（S=起点，F=终点/目标）。不允许对角线移动。”

由于很明显曼哈顿距离或欧几里得距离将在 (3,4) 处发送机器人，并且不允许回溯，那么这个问题的可能解决方案（启发式机制）是什么？

编辑：为了使问题更清楚，我在板上标记了一些曼哈顿距离：

很明显，使用曼哈顿距离，机器人的下一步移动将在 (3,4)，因为它的启发式值为 2 - HC 将选择它并永远卡住。目标是通过找到适当的启发式算法来尝试并且永远不要走这条路。

在我的功能中，我有：

我没有迭代我的类实例，点，但我仍然得到：

我的任务是“随机选择一个具有更高海拔的邻居补丁”。我的代码在下面找到。

我相信我必须使用“任何？” 命令以防止出现“无人”问题。

我似乎无法解决这个问题，如果你能帮助我解决它，非常感谢

我正在尝试编写算法来解决爬山的随机 8 谜题。我已经使用首选、最佳选择和随机重启来编写它，但它们总是陷入无限循环。有什么方法可以防止这种情况发生吗？同样在生成随机谜题时，我使用了一种算法来确保生成的所有谜题都是可解决的。所以在可解性问题上没有问题。这是随机重启类型的功能，它应该解决几乎 100% 的谜题的 8 个谜题：

我正在使用 OptaPlanner 来解决一些规划问题。我阅读了文档，但我不太确定爬山和禁忌搜索算法究竟是如何工作的。我不确定的是：

• 爬山选择是否只移动具有比当前更好的最佳分数的移动，或者它是否允许选择具有不比当前更差的最佳分数的移动？
• 禁忌搜索是否允许选择得分比当前得分更差的动作，如果没有动作导致解决方案的得分高于或等于当前得分？

我正在使用 R 中的 bnlearn 包来预测某些结果。但是，对于我数据集中的所有行，我得到相同的预测。

训练

预言

HC 和 MMHC 的输出（不同输入的不同预测）

GS 的输出（每行的预测相同）

我需要创建一个程序（在 C# 中）以使用随机重启爬山和作为操作员切换两个字段的值来解决数独问题。数独的初始解决方案将始终为每个字段分配一个值（从 1 到 n n），其中 n n 的每个矩形子网格的每个数字仅在其中出现一次。

现在我有两个问题：

1. 如何确定数独的下两个字段以用于爬山算法？

2. 什么时候重新启动爬山算法？（ / 如何确定已达到（本地）最大值，没有比当前解决方案更好的继任者了吗？）

如果有人可以帮助我解决这个问题，将不胜感激。

此致。

随机爬山算法和首选爬山算法有什么区别？

考虑一个仅使用选择和变异（无交叉）的遗传算法。这与爬山算法有何相似之处？

我在一篇文章中找到了这个说法，但我似乎不明白为什么？

我试图了解这两种算法之间的区别以及它们在解决问题方面的不同之处。我看过算法和它们的内部结构。很高兴听到其他已经体验过他们的人的意见。特别是，我想知道他们在同一个问题上的表现会有什么不同。

谢谢你。