글수 39
gesiss님이 가르쳐주신곳에 가서 원문을 번역하고 이해한것을 적어 봅니다.
http://www.cs.ualberta.ca/%7Eaixplore/search/IDA/
어째서 a*라고 말하는지는 모르겟구요 ,_,
a*알고리즘은 길을찾을때 g,h로 대표되는 한 길의 갈림길마다 소모된 길찾기 비용인 g와
그 g에서 남았다고 예상되는 목표지점까지의 예상 비용을 h로 잡고
각 길의 갈림길마다 g를 저장하고 갈수있는 모든길을 다 각각에게 주어진 g를 저장하면서
각길마다 소모 비용이 다르겟죠 목표지점 에 도착하는 방식인데요
이렇게 모든 길을 다 비교하고 나서
최소의 비용을 가지는 경로를 선택한다고 하네요 목표지점 도착시에는
g는 그 목표까지 든 총비용 h=0일때는 목표지점에 도착했다는것을 알수있는것이죠
보아하니 이런 내용이더라구요 ,_,: 결국 속도와는 전혀 무관함
A*( StartState, GoalState )
// Initial estimate of solution cost
g = 0
h = HeuristicEstimate( StartState, GoalState )
StartState.g = g
StartState.h = h
StartState.f = g + h
// Initialize the OpenList
Add StartState to OpenList
Done = false
while( not Done )
{
// Find the OpenList entry with the lowest f-score
ConsiderState = BestfScore( OpenList )
Remove ConsiderState from OpenList
// Consider each successor
for each successor S of ConsiderState
{
// g-value is the cost of getting from the
// StartState to ConsiderState plus the cost of
// going from ConsiderState to S
S.g = ConsiderState.g + Cost( ConsiderState, S )
S.h = Heuristic( S, GoalState )
S.f = g + h
// Check for a solution
if( S.h == 0 ) {
done = true
}
else {
Add S to OpenList
}
}
}
거기서 찾은 간단한 예제 소스입니다.
http://www.cs.ualberta.ca/%7Eaixplore/search/IDA/
어째서 a*라고 말하는지는 모르겟구요 ,_,
a*알고리즘은 길을찾을때 g,h로 대표되는 한 길의 갈림길마다 소모된 길찾기 비용인 g와
그 g에서 남았다고 예상되는 목표지점까지의 예상 비용을 h로 잡고
각 길의 갈림길마다 g를 저장하고 갈수있는 모든길을 다 각각에게 주어진 g를 저장하면서
각길마다 소모 비용이 다르겟죠 목표지점 에 도착하는 방식인데요
이렇게 모든 길을 다 비교하고 나서
최소의 비용을 가지는 경로를 선택한다고 하네요 목표지점 도착시에는
g는 그 목표까지 든 총비용 h=0일때는 목표지점에 도착했다는것을 알수있는것이죠
보아하니 이런 내용이더라구요 ,_,: 결국 속도와는 전혀 무관함
A*( StartState, GoalState )
// Initial estimate of solution cost
g = 0
h = HeuristicEstimate( StartState, GoalState )
StartState.g = g
StartState.h = h
StartState.f = g + h
// Initialize the OpenList
Add StartState to OpenList
Done = false
while( not Done )
{
// Find the OpenList entry with the lowest f-score
ConsiderState = BestfScore( OpenList )
Remove ConsiderState from OpenList
// Consider each successor
for each successor S of ConsiderState
{
// g-value is the cost of getting from the
// StartState to ConsiderState plus the cost of
// going from ConsiderState to S
S.g = ConsiderState.g + Cost( ConsiderState, S )
S.h = Heuristic( S, GoalState )
S.f = g + h
// Check for a solution
if( S.h == 0 ) {
done = true
}
else {
Add S to OpenList
}
}
}
거기서 찾은 간단한 예제 소스입니다.
2004.01.30 03:39:04 (*.117.233.96)
뭔가 오해가 있었나 본데요 ..................
제가 길찾기 알고리즘을 찾은이유가 게임이라는 상황하에서 제대로 된 모범이 될만할건 찾은
거거든요 ...... 그런데 A*는 미리 맵의 지형을 아는 상황하에서 결코 속도가 빠르지 않다는
거였죠 정확하지도 않고 따라서 속도와는 무관하다고 했던겁니다.
-_-<- 이거 왠지 기분나쁘네요 전단지 길을 찾아가는 과정이 좀 도움이 될까해서 a*를
공부했던거구요 결국 도움을 별로 안됬지만 지금은 알아서 괜찮은거 만들었구요
좀 힘들었지만 쥐뿔만큼 아는 인공지능 관련 배경지식으로 저도 좀 지껄여봤습니다.
제가 무지하게 잘난척 하는 놈처럼 되어버려서요 오해입니다. 결국 a*에 대해서 생각하는
대상이 달랐던거 뿐이구요 답글그런식으로 달지 마세요
-_-인상쓰시면서 쥐뿔만큼 아는
인공지능 관련 배경지식으로 지껄여봄.... 글쓸때 잘 모르지만 혹 도움이 될까 해서 써놓은건데
오래간만에 와서보니 좀 그렇습니다......
제가 길찾기 알고리즘을 찾은이유가 게임이라는 상황하에서 제대로 된 모범이 될만할건 찾은
거거든요 ...... 그런데 A*는 미리 맵의 지형을 아는 상황하에서 결코 속도가 빠르지 않다는
거였죠 정확하지도 않고 따라서 속도와는 무관하다고 했던겁니다.
-_-<- 이거 왠지 기분나쁘네요 전단지 길을 찾아가는 과정이 좀 도움이 될까해서 a*를
공부했던거구요 결국 도움을 별로 안됬지만 지금은 알아서 괜찮은거 만들었구요
좀 힘들었지만 쥐뿔만큼 아는 인공지능 관련 배경지식으로 저도 좀 지껄여봤습니다.
제가 무지하게 잘난척 하는 놈처럼 되어버려서요 오해입니다. 결국 a*에 대해서 생각하는
대상이 달랐던거 뿐이구요 답글그런식으로 달지 마세요
-_-인상쓰시면서 쥐뿔만큼 아는
인공지능 관련 배경지식으로 지껄여봄.... 글쓸때 잘 모르지만 혹 도움이 될까 해서 써놓은건데
오래간만에 와서보니 좀 그렇습니다......
2009.09.26 21:12:45 (*.102.215.72)
童貞,童貞,東京,童貞,北海道,童貞,静岡,童貞,愛知,童貞,埼玉,童貞,福岡,童貞,京都,童貞,大阪,童貞,鳥取,童貞,岐阜,童貞,香川,童貞,千葉,童貞,三重,童貞,宮城,童貞,佐賀,童貞,山口,童貞,山形,童貞,島根,童貞,石川,童貞,福島,童貞,群馬,童貞,神奈川,童貞,宮崎,童貞,兵庫,童貞,和歌山,童貞,滋賀,童貞,沖縄,童貞,長野,童貞,長崎,童貞,鹿児島,童貞,新潟,童貞,熊本,童貞,山梨,童貞,青森,童貞,愛媛,童貞,富山,童貞,徳島,童貞,栃木,童貞,福井,童貞,茨城,童貞,高知,童貞,岩手,童貞,岡山,童貞,大分,童貞,奈良,童貞,秋田,童貞,広島,おっぱい|赤ちゃんプレイ本舗 | 童貞,ちんちん|見せ見せくん | 童貞,オナニー|私の極秘オナニー | 童貞,セックスドール | 童貞,フェラチオ|フェラドール | 童貞,乱交エッチサークル | 童貞,包茎大好き | 童貞,童貞|初体験プレミアム | 童貞,舐め犬|クンニ専科 | 童貞,SEXレッスン | 童貞
2009.10.04 03:21:28 (*.102.215.72)
関東|乱交,近畿|乱交,東京|乱交,大阪|乱交,九州・沖縄|乱交,東北|乱交,中部|乱交,福岡|乱交,愛知|乱交,北陸|乱交,中国|乱交,四国|乱交,滋賀|乱交,北海道|乱交,京都|乱交,神奈川|乱交,鹿児島|乱交,愛媛|乱交,茨城|乱交,千葉|乱交,秋田|乱交,山形|乱交,福井|乱交,佐賀|乱交,奈良|乱交,熊本|乱交,岩手|乱交,新潟|乱交,福島|乱交,静岡|乱交,石川|乱交,埼玉|乱交,岡山|乱交,富山|乱交,高知|乱交,兵庫|乱交,三重|乱交,徳島|乱交,宮城|乱交,山口|乱交,山梨|乱交,岐阜|乱交,香川|乱交,栃木|乱交,群馬|乱交,島根|乱交,広島|乱交,長野|乱交,青森|乱交,和歌山|乱交,長崎|乱交,乱交

UCS(Uniform Cost)의 최적성(optimality) 등의 장점을 취합한것입니다.
따라서 속도와 무관하지는 않죠..
heuristic을 통해 탐색공간을 줄이는 것은 결국 시간비용을 줄이는 것이죠
단 heuristic이 얼마나 타당한가에 달려 있겠죠
저는 그렇게 알고 있습니다만?..
heuristic search 자체가 blind search 의 소모적인 특성을 개선하기 위한
노력인 만큼 속도와 무관하다는 설명은 좀 잘못된거 같네요...
다만... blind search와는 달리 해를 찾는것을 "반드시" 보장하지는
않는 것으로 알고 있습니다.
-_- 쥐뿔만큼 아는 인공지능관련 배경지식으로 지껄여봄...