Graph 人工智能中的条纹搜索与A*算法
我一直在互联网上搜索边缘搜索的空间和时间复杂性,但没有成功。有谁能告诉我同样的观点和几点,为什么我们更喜欢在人工智能中使用边缘搜索而不是*算法。直到看到这篇文章,我才探索边缘搜索算法,所以对此持保留态度。 根据维基百科的说法,是基于,而反过来又是基于 IDA*相对于A*的利弊:Graph 人工智能中的条纹搜索与A*算法,graph,artificial-intelligence,path-finding,Graph,Artificial Intelligence,Path Finding,我一直在互联网上搜索边缘搜索的空间和时间复杂性,但没有成功。有谁能告诉我同样的观点和几点,为什么我们更喜欢在人工智能中使用边缘搜索而不是*算法。直到看到这篇文章,我才探索边缘搜索算法,所以对此持保留态度。 根据维基百科的说法,是基于,而反过来又是基于 IDA*相对于A*的利弊: IDA*旨在以牺牲某些性能为代价减少内存使用 IDA*会多次检查磁贴,而A*不会 A*跟踪所有分片,而不是像IDA这样的一小部分* 因此,如果您在返回路径时更担心内存消耗而不是原始速度,那么您会选择IDA*而不是A*
- IDA*旨在以牺牲某些性能为代价减少内存使用
- IDA*会多次检查磁贴,而A*不会
- A*跟踪所有分片,而不是像IDA这样的一小部分*
- 边缘搜索旨在解决IDA*中一些最糟糕的问题,在性能和内存使用方面介于两种算法之间
- 应比IDA*执行得快,但比A*执行得慢*
- 内存使用率高于IDA*,但低于*