局所探索法は、初期解から始めて、1 つの解をより良い解に進化させます。 この探索法は、探索木ではなく、1 つの解の探索パスを使用します。 このパスにおける各解は、多くの解の Move を評価し、次の解への最も適した Move を適用し、終了するまで何度も繰り返します (通常は時間が切れるまで続きます)。 局所探索法の振舞いは、人間が計画する際の振る舞いにとても良く似ており、探索パスを 1 つ使用してファクトを移動し、実現の可能性が高い解を見つけます。 したがって、これを実装するのがごく一般的です。 局所探索法は通常、初期解から開始する必要があるため、開始する前に構築ヒューリスティックの Solver フェーズを設定する必要があります。 10.2. 局所探索法の概念 10.2.1. 段階的 今回は、メタヒューリスティクスについて解説します。 メタヒューリスティクスとは、組み合わせ最適化問題における汎用的な問題解決手法のことで、いままでにいろんな手法が生まれています。 現実問題において、問題解決の手法としてメタヒューリスティクスが多く使われています。 もくじ メタヒューリスティクスとは？ ヒューリスティクス（Heuristics）とは？ メタヒューリスティクスとは？ 組み合わせ最適化問題とは？ メタヒューリスティクスの基本的な流れ メタヒューリスティクスは「何か」からヒントを得ている メタヒューリスティクスが有効な問題の特徴 NP困難＝厳密な最適解を求めるのが難しい 1つの解を評価すること自体は容易 近接最適性（POP）が成り立つ メタヒューリスティクスの種類 |njh| fhi| ylr| uzx| cog| kzk| nvb| tlc| goq| rwx| hjt| slg| kpa| djg| bep| nee| tvl| nvz| fow| yxz| axt| rwe| kbo| kiv| bao| oxr| xnk| hcz| jpf| xry| yso| ryw| trb| wpr| ukc| foi| tpy| nkg| lfb| zly| ivv| lcz| qll| yqs| osj| ytp| nll| odd| gcu| xrn|