26 有關啟發式搜尋演算法（heuristic search algorithm）的敘述，下列何者最為適合？
(A)對所有可能進行完整搜尋的演算法
(B)根據某個估算函式猜測搜尋目標以快速完成搜尋的演算法
(C)使用基因演化計算（genetic programming）進行最佳化搜尋的演算法
(D)使用類神經網路進行最佳化搜尋的演算法

答案：登入後查看
統計： A(25), B(98), C(45), D(78), E(0) #3429190

詳解 (共 1 筆)

#6839535

答案是 (B) 根據某個估算函式猜測搜尋目標以快速完成搜尋的演算法

什麼是啟發式搜尋（Heuristic Search）？

啟發式搜尋使用啟發函數（heuristic function） 來估算從當前狀態到目標的「距離」或「成本」，以引導搜尋方向，避免盲目搜尋所有可能性。

各選項分析

✅ (B) 根據某個估算函式猜測搜尋目標

  • 這正是啟發式搜尋的核心概念
  • 使用啟發函數 h(n) 估算到目標的距離
  • 優先探索「看起來更有希望」的路徑
  • 犧牲完整性換取效率

經典例子：

  • A 演算法*：f(n) = g(n) + h(n)
    • g(n)：從起點到 n 的實際成本
    • h(n)：從 n 到目標的估算成本（啟發函數）
  • 貪婪最佳優先搜尋：只用 h(n) 引導
  • 曼哈頓距離、歐幾里得距離作為啟發函數

❌ (A) 對所有可能進行完整搜尋

  • 這是窮舉搜尋（exhaustive search）
  • 例如：BFS、DFS 的完整版本
  • 不是啟發式搜尋，因為沒有使用啟發函數引導

❌ (C) 使用基因演化計算

  • 這是演化演算法（evolutionary algorithm）
  • 雖然也是一種優化方法
  • 但不是典型的啟發式搜尋定義
  • 太具體，不夠通用

❌ (D) 使用類神經網路

  • 這是機器學習方法
  • 也太具體
  • 不是啟發式搜尋的一般定義

啟發式搜尋的特點

ㅤㅤ
ㅤㅤ

優點： ✅ 快速（不需搜尋所有可能） ✅ 節省記憶體和時間 ✅ 適合大型搜尋空間

缺點： ❌ 不保證找到最佳解（除非啟發函數是 admissible） ❌ 品質取決於啟發函數的設計

實例：迷宮尋路

起點 S --------→ 目標 G

盲目搜尋：探索所有方向 啟發式搜尋：優先往「接近目標」的方向走 ↓ (使用直線距離估算) 更快找到路徑

重點：啟發式搜尋的核心就是用估算函數（啟發函數）來「猜測」哪條路更有希望，從而加快搜尋速度！

1
0