지역 탐색
"오늘의AI위키"는 AI 기술로 일관성 있고 체계적인 최신 지식을 제공하는 혁신 플랫폼입니다.
"오늘의AI위키"의 AI를 통해 더욱 풍부하고 폭넓은 지식 경험을 누리세요.
"오늘의AI위키"의 AI를 통해 더욱 풍부하고 폭넓은 지식 경험을 누리세요.
1. 본문
지역 탐색은 광범위한 주제이며, 문맥에 따라 여러 가지 의미를 가질 수 있습니다. 다음은 지역 탐색에 대한 몇 가지 정보입니다.
1. 컴퓨터 과학 및 최적화:
- 정의: 지역 탐색(local search)은 계산적으로 어려운 최적화 문제를 해결하기 위한 방법입니다. 여러 후보 솔루션 중에서 기준을 최대화하는 솔루션을 찾는 문제에 사용될 수 있습니다. ([2] 지역 탐색 - 위키백과, 우리 모두의 백과사전
wikipedia.org)
- 아이디어: 단일 "현재" 상태를 유지하고 목적 함수에 따라 이를 개선하는 것입니다. ([1] Lecture05_LocalSearch_Optimiz...
velog.io)
- 적용 분야:
- 제약 조건 만족 문제
- 이산 최적화 문제
- 생산 계획 (최대 이익)
- 스케줄링 (최소 충돌)
- 기계 학습 (최소 분류 오류) ([3] 인공지능 기술/ 2. 지역탐색 알고리즘(local search) : 네이버 블로그
naver.com)
- 장점: 문제가 너무 커서 전체 탐색이 불가능할 때 유용합니다. ([1] Lecture05_LocalSearch_Optimiz...
velog.io)
- 종류:
- 최소 제약 값 선택법, 최대 제약 변수 선택법 ([4] 탐색 알고리즘 - 나무위키)
2. 인공지능:
- 개념: Local Search는 현재의 해결책에서 출발하여 주변 이웃 해결책을 탐색하고, 이웃 해결책 중에서 더 나은 해결책을 계속해서 찾아나가는 방법입니다. ([1] Lecture05_LocalSearch_Optimiz...
velog.io)
- 특징:
- 전체 문제 공간을 완전히 탐색하지 않고, 주변 이웃들을 통해 최적의 해결책을 찾습니다.
- 지역 최적해(local optimum)에 빠질 위험이 있으며, 이를 극복하기 위한 다양한 기법들이 존재합니다. (예: Simulated Annealing, Genetic Algorithms) ([1] Lecture05_LocalSearch_Optimiz...
velog.io)
3. 지도 및 위치 기반 서비스:
- Google 지도: 주변 장소 검색 및 지역 탐색 기능을 제공합니다. ([5] 주변 장소 검색 및 지역 탐색하기 - 컴퓨터 - 지도 고객센터
google.com)
- 컴퓨터에서 Google 지도를 열고, 장소 또는 주소를 검색한 후, '주변'을 클릭하여 검색할 장소의 유형 (예: 호텔, 공항)을 선택하거나 입력합니다. ([5] 주변 장소 검색 및 지역 탐색하기 - 컴퓨터 - 지도 고객센터
google.com)
4. 기타 탐색 알고리즘:
- 분류:
- 제약만족 문제
- 트리 탐색 문제
- 경쟁 문제
- 광역 탐색 알고리즘 ([4] 탐색 알고리즘 - 나무위키)
- 트리 탐색 문제 종류:
- Uninformed 전략
- Informed 전략
- 메타 전략([4] 탐색 알고리즘 - 나무위키)
| 지역 탐색 | |
|---|---|
| 개요 | |
| 정의 | 최적화 문제를 해결하기 위한 휴리스틱 방법 |
| 목표 | 가능한 해답 공간에서 현재 해답의 이웃을 탐색하여 더 나은 해답을 찾는 것 |
| 특징 | 간단하고 구현이 용이 전역 최적해를 보장하지 않음 문제의 특성에 따라 성능이 크게 달라짐 |
| 작동 방식 | |
| 초기 해답 | 임의의 초기 해답에서 시작 |
| 이웃 탐색 | 현재 해답의 이웃을 정의하고 탐색 |
| 이동 규칙 | 더 나은 이웃으로 이동 개선이 없으면 멈추거나 다른 이웃을 탐색 |
| 종료 조건 | 최대 반복 횟수 도달 특정 시간 제한 초과 더 이상 개선된 해답을 찾을 수 없을 때 종료 |
| 장점 | |
| 단순성 | 구현 및 이해가 쉬움 |
| 효율성 | 복잡한 문제에 대한 빠른 해답 제공 |
| 유연성 | 다양한 문제에 적용 가능 |
| 단점 | |
| 지역 최적화 | 전역 최적해를 보장하지 않음 |
| 매개변수 의존성 | 초기 해답 및 이웃 정의에 따라 성능이 달라짐 |
| 갇힘 | 지역 최적해에 갇힐 수 있음 |
| 지역 탐색 변형 | |
| 최급 강하법 (Steepest Descent) | 가장 가파른 경사를 따라 이동 |
| 언덕 오르기 (Hill Climbing) | 현재 해답보다 나은 이웃을 선택 |
| 모의 담금질 (Simulated Annealing) | 나쁜 해답으로의 이동을 허용하여 지역 최적해에서 벗어남 |
| 타부 탐색 (Tabu Search) | 최근 방문한 해답을 금지하여 순환 방지 |
| 활용 분야 | |
| 조합 최적화 | 외판원 문제 차량 경로 문제 스케줄링 |
| 기계 학습 | 특성 선택 모델 훈련 |
| 이미지 처리 | 이미지 분할 객체 인식 |
본 사이트는 AI가 위키백과와 뉴스 기사,정부 간행물,학술 논문등을 바탕으로 정보를 가공하여 제공하는 백과사전형 서비스입니다.
모든 문서는 AI에 의해 자동 생성되며, CC BY-SA 4.0 라이선스에 따라 이용할 수 있습니다.
하지만, 위키백과나 뉴스 기사 자체에 오류, 부정확한 정보, 또는 가짜 뉴스가 포함될 수 있으며, AI는 이러한 내용을 완벽하게 걸러내지 못할 수 있습니다.
따라서 제공되는 정보에 일부 오류나 편향이 있을 수 있으므로, 중요한 정보는 반드시 다른 출처를 통해 교차 검증하시기 바랍니다.
문의하기 : help@durumis.com