สั ปดาหที
์ ่ 2 Search Technique
อ.เทพฤทธิ ์ สิ นธารงรักษ์ เรียบเรียง
ในบทนี้เราจะกลาวถึ
งเทคนิคการค้นหาคาตอบสาหรับ
่
การแกปั
่ ให้ผลลัพธที
ทธิภาพ
้ ญหา เพือ
้
์ ไ่ ด้ ไดประสิ
สูงสุด
เทคนิคการค้นหา หมายถึง เทคนิคทีใ่ ช้แกไขปั
ญหา
้
เพือ
่ หาคาตอบหรือสู่สถานะเป้าหมาย ไดอย
้ างมี
่
ประสิ ทธิภาพ
KPI of Search Techniques
◦ Completeness
หรือไม่
◦ Optimality
ได้
◦ Time Complexity
◦ Space Complexity
ไดแก
้ ่
สามารถค้นหาคาตอบได้
่ ท
ี ส
ี่ ุด
สามารถค้าหาคาตอบทีด
เวลาทีใ่ ช้ในการค้นหา
พืน
้ ทีห
่ น่วยความจาทีใ่ ช้
อางอิ
งจาก Russell and Norvig, 2003
้
หรือ Uninformed Search Techniques เป็ น
วิธก
ี ารค้าหาทีง่ ายต
อการเขี
ยนโปรแกรม งายต
อ
่
่
่
่
การเข้าใจ แตมี
่ ประสิ ทธิภาพตา่ เนื่องจากลักษณะ
การเขียนโปรแกรมต้องต้อง For หรือ While
loop ทุกทิศทางทีจ
่ ะเป็ นไปได้
Blind Search Technique เป็ นเทคนิคการ
คนหาที
ไ่ มมี
้
่ ขอมู
้ ลนามาพิจารณา
Heuristic Search Techniques เป็ นเทคนิคการ
คนหาที
ม
่ ข
ี อมู
้
้ ลประกอบในการคนหา
้
เป็ นวิธค
ี ้นหาแนวกว้าง (Breadth)
จะค้าหาแตละ
่
โหลดจากซ้ายไปขวาทีละระดับ ของทรีจากบนลงลาง
่
หากยังไมพบเป
่
้ าหมายให้ลงไปอีกระดับหนึ่งแลวค
้ ้นหา
ทีล ะโหนด จนกว่าจะพบเป้ าหมายที่ต้ องการ เช่ น
กาหนดให้โหลด h เป้นเป้าหมายของการค้นหาแตมี
่
ขอเสี
้ ยทีเ่ วลานานและหน่วยความจามาก
กาหนดให้
b แทนจานวนกิง่ เฉลีย
่ ของแต่ละโหลด (Branching
Factor)
d แทนระดับความลึก (Deep)
Time O(bd)
An example map of
Germany with some
connections between cities
เป็ นวิธก
ี ารค้นหาตามแนวลึก(Depth)
จะค้นหาจาก
ข้ างบนลงล่าง หากไม่ พบให้ ลงไปอีก หนึ่ ง ระดับ แล้ ว
พิจารณาโหลดลูกทีอ
่ ยูด
ทาเช่นนี้ไปเรือ
่ ยๆ
่ ้านซ้ายกอน
่
จนกว่าจะพบโหนดเป้ าหมายที่ต้ องการ หากพิจ าณา
จนถึงโหลดสุดทาย
้
กาหนดให้
b แทนจานวนกิง่ เฉลีย
่ ของแต่ละโหลด (Branching
Factor)
d แทนระดับความลึก (Deep)
Time O(bd)
จาก DFS ทาให้การเขียนโปรแกรมจะตองลู
ปให้ครบ
้
ทุกทางทีจ
่ ะเป็ นไปไดในการค
้
้นหา ดังนั้นจึงเกิด
วิธก
ี ารนี้ขน
ึ้ มาเพือ
่ ลดระยะเวลาในการค้นหา
ตัวอยาง
กาหนดเป้าหมายเป็ น E และlimit=2
่
(Limit เป็ นระดับความสูงของตนไม
เริ
่ ตนเป็
น 0)
้
้ ม
้
กาหนด
b แทนจานวนกิง่ เฉลีย
่ ของแต่ละโหลด (Branching
Factor)
l แทน Limitของการค้นหา
Time O(bl)
ขอเสี
ี ี้คอ
ื อะไร
้ ยของวิธน
เป็ นการพัฒนา DLS ให้มีขด
ี ความสามารถ
สูงขึน
้
กาหนด
b แทนจานวนกิง
่ เฉลีย
่ ของแต่ละโหลด
(Branching Factor)
l แทน Limitของการค้นหา
Time O(bl)
*Depth-First Search (DFS) กับ Iterative Deepening
ในความเป็ นจริง ของปั ญ หา มัก เป็ นปั ญ หาที่
ใหญ่
เราจะเห็ นได้ ว ่ าเมื่ อ มี ข้ อมู ล เยอะขึ้ น นั้ น การ
ค้ นหาแบบ Uninformed
Search
Techniques จ ะ ไ ม่ เ ห ม า ะ ส ม ใ น ก า ร เ ขี ย น
โปรแกรมคานวณเนื่องจากทุกวิธใี ช้เวลาในการ
คานวณสูง Heuristic Search หรือในตารา
บางเลมเรี
่ ยกวา่ Heuristic Algorithm เป็ น
วิธก
ี ารสุ่มหาคาตอบทีม
่ ค
ี วามเร็วสูง ลอกเรียน
การท างานของสิ่ งมีชี ว ิต เช่ น ต้ นไม้ มด
พัน ธุ ศ าสตร สั ดสวนทองค าแตผลลัพ ธที่ไ ด
ตัวอยางปั
ญา MAX
่
ตัวอยางปั
ญา Maximum
่
ตัวอยางปั
ญา Maximum
่
London
ถาเราต
้
้องเดินทางจาก London ไปMunchen จาก
เป็ นวิ ธ ี ก ารเลื อ กเส้ นทางที่ ด ี ท ี่ สุ ด ก่ อน เพื่ อ
ค้นหาเป้าหมายได้อยางรวดเร็
ว โดยพิจารณา
่
เส้นทางทีส
่ ามารถมองเห็ น ทีโ่ หนดนั้นๆ และ
เลือ กเส้ นทางที่ใ ช้ ทรัพ ยากรจากต าแหน่ ง ณ
จุด นั้นจนถึงเป้าหมายให้น้อยทีส
่ ุด
Time O(bm)
b is the average branching factor (the average
number of successors from a state)
m is the maximum depth of the search tree.)
2
3
A
2
D
G
Start
5
3
12
2
C
E
3
5
Go
al
I will use it to find the path from Start to Goal
in the graph below.
2
3
A
2
D
G
Start
5
3
12
2
C
E
3
5
Go
al
First, add the Start node to the fringe.
2
3
A
2
D
G
Start
5
3
12
2
C
E
3
5
Go
al
Visit the Start node and add its neighbors to the fringe.
2
3
A
2
D
G
Start
5
3
12
2
C
E
3
Next
5
Go
al
2
3
A
2
D
G
Start
5
3
12
2
C
E
3
Next
5
Go
al
2
3
A
2
D
G
Start
5
3
12
2
C
E
3
5
Go
al
The path found from Start to Goal is: Start -> A -> D -> E > Goal. In this case, it was the optimal path, but only
because the heuristic values were fairly accurate.
2
3
A
2
D
G
Start
2
3
12
2
C
E
3
5
Go
al
This way is longer than old way
Nearest neighbor search (NNS), also
known
as proximity
search, similarity
search or closest point search, is an
optimization problem for finding closest
points in metric spaces. The problem is:
given a set S of points in a metric
space M and a query point q ∈ M, find the
closest point in S to q. In many cases, M is
taken
to
be d-dimensional Euclidean
space and
distance
is
measured
by Euclidean distance.
นศ. ใช้อัลกอริทม
ึ Nearest
neighbor Search แกปั
้ ญหาการคาหา
้
เส้นทางทีส
่ ้ั นทีส
่ ด
ุ แบบ TSP โดยเริม
่ ตน
้
จากเมือง A
Objective function : Min Distance
ขัน
้ ตอน การคานวณ(แบบหยาบๆ)
- สรางตาราง
Distance
้
ม
่ จาก A
ึ คนหาโดยเริ
- ใช้อัลกอริทม
้
ให้
ึ Nearest neighbor
ให้ นศ. ใช้อัลกอริทม
Search แกปั
หา
้ ญEngland
USA
Canada
Japan
Egypt
Venezuela
Goal
Russia
Nigeria
India
Start
Brazil
South Africa
Matlab
A*,Kmean ,Crossover
C# Express
kNN
Appserv 2.5.10 Rollete
Java script
ให้ นศ. แกปั
่ ้ั นทีส
่ ด
ุ แบบ
้ ญหา การคนหาเส
้
้ นทางทีส
TSP ส่งพรอมรายงาน
คะแนนเต็ม 10
้
Objective function : Min Distance
กาหนดให้ เมือง A,B,C,…,K
A=[0,0]
ส่วนประกอบของรายงาน
B=[3,5]
1.ที
ม
่
า
หลั
ก
การ
โจทย
C=[2,3]
2.ผลลัพธ ์
D=[4,6]
E =[5,5]
3.วิเคราะหผลลั
พธ ์
์
F=[8,1]
4.โค้ด
G=[2,4]
H=[1,6]
กาหนดส่ง 21 พ.ย. 56
I=[-1,-1]
K=[6,4]