1樓：匿名使用者
有可能是a*搜尋或者是ucs最短路徑搜尋或是greedy-best-first搜尋。
肯定不是dfs或bfs。
祝你成功。
2樓：匿名使用者
廣度優先吧，遍歷順序與儲存結構有關的
3樓：柒末了
對的，你說的都很對
宗卒臉上長了黃褐斑，建議平時多吃這些食物。
圖中這道題目演算法那句話什麼意思？
4樓：匿名使用者
dfs（depth-first-search）深度優先搜尋演算法，是搜尋演算法的一種。是一種在開發爬蟲早期使用較多的方法。它的目的是要達到被搜尋結構的葉結點
bfs寬度優先搜尋演算法（又稱廣度優先搜尋）是最簡便的圖的搜尋演算法之一，這一演算法也是很多重要的圖的演算法的原型。dijkstra單源最短路徑演算法和prim最小生成樹演算法都採用了和寬度優先搜尋類似的思想。其別名又叫bfs，屬於一種盲目搜尋法，目的是系統地並檢查圖中的所有節點，以找尋結果。
換句話說，它並不考慮結果的可能位置，徹底地搜尋整張圖，直到找到結果為止。
深度優先和廣度優先 的區別 ，用法。
5樓：
1、主體區別
深度優先搜尋是一種在開發爬蟲早期使用較多的方法。它的目的是要達到被搜尋結構的葉結點(即那些不包含任何超鏈的html檔案)。
寬度優先搜尋演算法（又稱廣度優先搜尋）是最簡便的圖的搜尋演算法之一，這一演算法也是很多重要的圖的演算法的原型。
2、演算法區別
深度優先搜尋是每次從棧中彈出乙個元素，搜尋所有在它下一級的元素，把這些元素壓入棧中。並把這個元素記為它下一級元素的前驅，找到所要找的元素時結束程式。
廣度優先搜尋是每次從佇列的頭部取出乙個元素，檢視這個元素所有的下一級元素，把它們放到佇列的末尾。並把這個元素記為它下一級元素的前驅，找到所要找的元素時結束程式。
3、用法
廣度優先屬於一種盲目搜尋法，目的是系統地並檢查圖中的所有節點，以找尋結果。換句話說，它並不考慮結果的可能位置，徹底地搜尋整張圖，直到找到結果為止。
6樓：匿名使用者
用通俗的語言來講：
深度優先：發現一條路一直走到終點，再返回到最深的有分支的點再進行其他分支的搜尋，直到搜尋完畢。
廣度優先：從開始節點a找與它相鄰的節點全部節點，假設有b,c,d,e，然後再找b所有未遍歷的相鄰的節點，然後再找c的，依次進行下去
7樓：
首先要理解搜尋步，乙個完整的搜尋步包括兩個處理a) 獲得當前位置上，有幾條路可供選擇
b) 根據選擇策略，選擇其中一條路，並走到下個位置相當於在漆黑的夜裡，你只能看清你站的位置和你前面的路，但你不知道每條路能夠通向**。
搜尋的任務就是，給出初始位置和目標位置，要求找到一條到達目標的路徑。
深度優先就是，從初始點出發，不斷向前走，如果碰到死路了，就往回走一步，嘗試另一條路，直到發現了目標位置。這種不撞南牆不回頭的方法，即使成功也不一定找到一條好路，但好處是需要記住的位置比較少。
廣度優先就是，從初始點出發，把所有可能的路徑都走一遍，如果裡面沒有目標位置，則嘗試把所有兩步能夠到的位置都走一遍，看有沒有目標位置；如果還不行，則嘗試所有三步可以到的位置。這種方法，一定可以找到一條最短路徑，但需要記憶的內容實在很多，要量力而行。
8樓：匿名使用者
dfs：乙個網格內的點跳著來搜
bfs：乙個網格內的點由一點擴散地搜
資料結構題目，廣度優先和深度優先 100
9樓：匿名使用者
（一）深度優先搜尋的特點是：
（1）從上面幾個例項看出，可以用深度優先搜尋的方法處理的題目是各種
各樣的。
有的搜尋深度是已知和固定的，如例題2-4，2-5，2-6；有的是未知的，如例題2-7、例題2-8；
有的搜尋深度是有限制的，但達到目標的深度是不定的。
但也看到，無論問題的內容和性質以及求解要求如何不同，它們的程式結構
都是相同的，即都是深度優先演算法（一）和深度優先演算法（二）中描述的演算法結
構，不相同的僅僅是儲存結點資料結構和產生規則以及輸出要求。
（2）深度優先搜尋法有遞迴以及非遞迴兩種設計方法。一般的，當搜尋深度較小、問題遞迴方式比較明顯時，用遞迴方法設計好，它可以使得程式結構更簡捷易懂。當搜尋深度較大時，如例題2-5、2-6。
當資料量較大時，由於系統堆疊容量的限制，遞迴容易產生溢位，用非遞迴方法設計比較好。
（3）深度優先搜尋方法有廣義和狹義兩種理解。廣義的理解是，只要最新產生的結點（即深度最大的結點）先進行擴充套件的方法，就稱為深度優先搜尋方法。在這種理解情況下，深度優先搜尋演算法有全部保留和不全部保留產生的結點的兩種情況。
而狹義的理解是，僅僅只保留全部產生結點的演算法。本書取前一種廣義的理解。
不保留全部結點的演算法屬於一般的回溯演算法範疇。
保留全部結點的演算法，
實際上是在資料庫中產生乙個結點之間的搜尋樹，
因此也屬於圖搜尋演算法的範疇。
（4）不保留全部結點的深度優先搜尋法，由於把擴充套件望的結點從資料庫中彈出刪除，這樣，一般在資料庫中儲存的結點數就是深度值，因此它占用的空間較少，所以，當搜尋樹的結點較多，用其他方法易產生記憶體溢位時，深度優先搜尋不失為一種有效的演算法。
（5）從輸出結果可看出，深度優先搜尋找到的第乙個解並不一定是最優解。例如例題2-8得最優解為13，但第乙個解卻是17。如果要求出最優解的話，一種方法將是後面要介紹的動態規劃法，另一種方法是修改原演算法：
把原輸出過程的地方改為記錄過程，即記錄達到當前目標的路徑和相應的路程值，並與前面已記錄的值進行比較，保留其中最優的，等全部搜尋完成後，才把保留的最優解輸出。
二、廣度優先搜尋法的顯著特點是：
（1）在產生新的子結點時，深度越小的結點越先得到擴充套件，即先產生它的子結點。為使演算法便於實現，存放結點的資料庫一般用佇列的結構。
（2）無論問題性質如何不同，利用廣度優先搜尋法解題的基本演算法是相同的，但資料庫中每一結點內容，產生式規則，根據不同的問題，有不同的內容和結構，就是同一問題也可以有不同的表示方法。
（3）當結點到跟結點的費用（有的書稱為耗散值）和結點的深度成正比時，特別是當每一結到根結點的費用等於深度時，用廣度優先法得到的解是最優解，但如果不成正比，則得到的解不一定是最優解。這一類問題要求出最優解，一種方法是使用後面要介紹的其他方法求解，另外一種方法是改進前面深度（或廣度）優先搜尋演算法：找到乙個目標後，不是立即退出，而是記錄下目標結點的路徑和費用，如果有多個目標結點，就加以比較，留下較優的結點。
把所有可能的路徑
都搜尋完後，才輸出記錄的最優路徑。
（4）廣度優先搜尋演算法，一般需要儲存產生的所有結點，佔的儲存空間要比深度優先大得多，因此程式設計中，必須考慮溢位和節省記憶體空間得問題。
（5）比較深度優先和廣度優先兩種搜尋法，廣度優先搜尋法一般無回溯操作，即入棧和出棧的操作，所以執行速度比深度優先搜尋演算法法要快些。
總之，一般情況下，深度優先搜尋法占記憶體少但速度較慢，廣度優先搜尋演算法佔記憶體多但速度較快，在距離和深度成正比的情況下能較快地求出最優解。因此在選擇用哪種演算法時，要綜合考慮。決定取捨
10樓：笨蛋小乙個字
先畫圖，廣度優先就是從上往下，深度優先有幾種遍歷方法
廣度優先搜尋怎麼保證最優解啊？（新手不懂，求指導）
11樓：風之翼
盡可能廣的遍歷圖的結點，類似於樹的層序遍歷。遍歷順序不唯一，但確定的遍歷順序，對應確定的生成樹。
12樓：聽不清啊
廣度優先搜尋法的顯著特點是：
（1）在產生新的子結點時，深度越小的結點越先得到擴充套件，即先產生它的子結點。為使演算法便於實現，存放結點的資料庫一般用佇列的結構。
（2）無論問題性質如何不同，利用廣度優先搜尋法解題的基本演算法是相同的，但資料庫中每一結點內容，產生式規則，根據不同的問題，有不同的內容和結構，就是同一問題也可以有不同的表示方法。
（3）當結點到根結點的費用（有的書稱為耗散值）和結點的深度成正比時，特別是當每一結點到根結點的費用等於深度時，用廣度優先法得到的解是最優解，但如果不成正比，則得到的解不一定是最優解。這一類問題要求出最優解，一種方法是使用後面要介紹的其他方法求解，另外一種方法是改進前面深度（或廣度）優先搜尋演算法：找到乙個目標後，不是立即退出，而是記錄下目標結點的路徑和費用，如果有多個目標結點，就加以比較，留下較優的結點。
把所有可能的路徑都搜尋完後，才輸出記錄的最優路徑。
（4）廣度優先搜尋演算法，一般需要儲存產生的所有結點，佔的儲存空間要比深度優先大得多，因此程式設計中，必須考慮溢位和節省記憶體空間得問題。
（5）比較深度優先和廣度優先兩種搜尋法，廣度優先搜尋法一般無回溯操作，即入棧和出棧的操作，所以執行速度比深度優先搜尋演算法法要快些。
總之，一般情況下，深度優先搜尋法占記憶體少但速度較慢，廣度優先搜尋演算法佔記憶體多但速度較快，在距離和深度成正比的情況下能較快地求出最優解。因此在選擇用哪種演算法時，要綜合考慮。決定取捨
貪心演算法是什麼，貪心演算法，這個貪心到底是什麼意思
貪心演算法 又稱貪婪演算法 是指，在對問題求解時，總是做出在當前看來是最好的選擇。也就是說，不從整體最優上加以考慮，他所做出的僅是在某種意義上的區域性最優解。貪心演算法不是對所有問題都能得到整體最優解，但對範圍相當廣泛的許多問題他能產生整體最優解或者是整體最優解的近似解。比如最小生成樹kruskal...
圖形學演算法工程師有前途嗎，演算法工程師這個職位未來發展有前途嗎
滯於芯丶 現在來看任一人工智慧方向的學科都應該是有前途的。但我對有前途的定義是，可以頂著國際進度，在公司結構中不斷創新，從而創造這個行業。ai的深度學習是不成熟的，需要一段時間 很多人 把這個方向發展起來，這個時候真正參與訓練大型模型，真正積極討論演算法討論解決方案的人，都是這個領域當之無愧的先驅。...
這個積分，有簡便演算法嗎，劃線這個二重積分有沒有簡便演算法？ 20
沒看出有什麼簡單方法 先對x積分，作一個分部積分 先對y積分，後面要做兩次分部積分 可能先對x積分好點 郭敦顒 郭敦顒回答 這個積分，沒有簡便演算法，需先將sin x y 進行轉化，sin x y sinx cosy cosx siny，然後再積分 0到 2 1 2 xsin x y dxdy 1 ...