Algorithms and heuristics ↑
metanymous в посте Metapractice (оригинал в ЖЖ)
Другие способы решения проблем включают в себя процедуры, связанные с математикой, такие как алгоритмы и эвристики, как для хорошо, так и для плохо структурированных проблем. Исследования по решению проблем обычно различают алгоритмы и эвристики, поскольку каждый подход решает проблемы по-разному и с различными гарантиями успеха.
5 комментариев
сначала старые сначала новые
A problem-solving algorithm https://www.merriam-webster.com/dictionary/algorithm is a procedure that is guaranteed to produce a solution if it is followed strictly. In a well-known example, the “British Museum https://www.britannica.com/topic/British-Museum technique,” a person wishes to find an object on display among the vast collections of the British Museum but does not know where the object is located. By pursuing a sequential examination of every object displayed in every room of the museum, the person will eventually find the object, but the approach is likely to consume a considerable amount of time. Thus, the algorithmic approach, though certain to succeed, is often slow.
Алгоритм решения проблем - это процедура, гарантирующая получение решения, если оно строго соблюдается. В известном примере «техникой (каталогом?) Британского музея» человек хочет найти объект, выставленный среди обширных коллекций Британского музея, но не знает, где находится объект. Проводя последовательный осмотр каждого объекта, отображаемого в каждой комнате музея, человек в конечном итоге найдет объект, но этот подход, вероятно, будет потреблять значительное количество времени. Таким образом, алгоритмический подход, хотя и преуспевающий, часто медленный.
Алгоритм решения проблем - это процедура, гарантирующая получение решения, если оно строго соблюдается. В известном примере «техникой (каталогом?) Британского музея» человек хочет найти объект, выставленный среди обширных коллекций Британского музея, но не знает, где находится объект. Проводя последовательный осмотр каждого объекта, отображаемого в каждой комнате музея, человек в конечном итоге найдет объект, но этот подход, вероятно, будет потреблять значительное количество времени. Таким образом, алгоритмический подход, хотя и преуспевающий, часто медленный.
A problem-solving heuristic https://www.britannica.com/topic/heuristic-reasoning is an informal, intuitive, speculative procedure that leads to a solution in some cases but not in others. The fact that the outcome of applying a heuristic https://www.merriam-webster.com/dictionary/heuristic is unpredictable means that the strategy can be either more or less effective than using an algorithm. Thus, if one had an idea of where to look for the sought-after object in the British Museum, a great deal of time could be saved by searching heuristically rather than algorithmically. But if one happened to be wrong about the location of the object, one would have to try another heuristic or resort to an algorithm.
Эвристика решения проблем - это неформальная, интуитивная, умозрительная процедура, которая в некоторых случаях приводит к решению, но не к других случаях. Тот факт, что результат применения эвристики непредсказуем, означает, что стратегия может быть более или менее эффективной, чем использование алгоритма. Таким образом, если бы у кого-то было представление о том, где искать искомый объект в Британском музее, можно было бы сэкономить много времени, пытаясь поискать эвристически, а не алгоритмически. Но если кто-то ошибался в отношении местоположения объекта, нужно было бы попробовать еще одну эвристику или прибегнуть к алгоритму.
Эвристика решения проблем - это неформальная, интуитивная, умозрительная процедура, которая в некоторых случаях приводит к решению, но не к других случаях. Тот факт, что результат применения эвристики непредсказуем, означает, что стратегия может быть более или менее эффективной, чем использование алгоритма. Таким образом, если бы у кого-то было представление о том, где искать искомый объект в Британском музее, можно было бы сэкономить много времени, пытаясь поискать эвристически, а не алгоритмически. Но если кто-то ошибался в отношении местоположения объекта, нужно было бы попробовать еще одну эвристику или прибегнуть к алгоритму.
Although there are several problem-solving heuristics, a small number tend to be used frequently. They are known as means-ends analysis, working forward, working backward, and generate-and-test.
In means-ends analysis, the problem solver begins by envisioning https://www.merriam-webster.com/dictionary/envisioning the end, or ultimate goal, and then determines the best strategy for attaining the goal in his current situation. If, for example, one wished to drive from New York to Boston in the minimum time possible, then, at any given point during the drive, one would choose the route that minimized the time it would take to cover the remaining distance, given traffic conditions, weather conditions, and so on.
Хотя существует несколько эвристик для решения проблем, небольшое число их используется чаще. Они известны как анализ на основе средств, работающие вперед, работающие назад и генерирующие и тестирующие.
В анализе конечных результатов решение проблемы начинается с представления цели или конечной цели, а затем определяет наилучшую стратегию достижения цели в его нынешней ситуации. Если, например, хотелось бы ехать из Нью-Йорка в Бостон в минимальное время, то в любой момент во время движения можно выбрать маршрут, который минимизировал бы время, необходимое для покрытия оставшегося расстояния, учитывая трафик условий, погодных условий и т. д.
In means-ends analysis, the problem solver begins by envisioning https://www.merriam-webster.com/dictionary/envisioning the end, or ultimate goal, and then determines the best strategy for attaining the goal in his current situation. If, for example, one wished to drive from New York to Boston in the minimum time possible, then, at any given point during the drive, one would choose the route that minimized the time it would take to cover the remaining distance, given traffic conditions, weather conditions, and so on.
Хотя существует несколько эвристик для решения проблем, небольшое число их используется чаще. Они известны как анализ на основе средств, работающие вперед, работающие назад и генерирующие и тестирующие.
В анализе конечных результатов решение проблемы начинается с представления цели или конечной цели, а затем определяет наилучшую стратегию достижения цели в его нынешней ситуации. Если, например, хотелось бы ехать из Нью-Йорка в Бостон в минимальное время, то в любой момент во время движения можно выбрать маршрут, который минимизировал бы время, необходимое для покрытия оставшегося расстояния, учитывая трафик условий, погодных условий и т. д.
In the working-forward approach, as the name implies, the problem solver tries to solve the problem from beginning to end. A trip from New York City to Boston might be planned simply by consulting a map and establishing the shortest route that originates in New York City and ends in Boston. In the working-backward approach, the problem solver starts at the end and works toward the beginning. For example, suppose one is planning a trip from New York City to Paris. One wishes to arrive at one’s Parisian hotel. To arrive, one needs to take a taxi from Orly Airport. To arrive at the airport, one needs to fly on an airplane; and so on, back to one’s point of origin.
В подходе «работающий вперед», как следует из названия, решатель проблемы пытается решить проблему от начала до конца. Поездка из Нью-Йорка в Бостон может быть спланирована просто путем консультаций с картой и установления кратчайшего маршрута, который происходит в Нью-Йорке и заканчивается в Бостоне. В обратном случае, решатель проблемы начинает с конца и работает к началу. Например, предположим, что планируете поездку из Нью-Йорка в Париж. Один хочет приехать в парижский отель. Чтобы прибыть, нужно взять такси из аэропорта Орли. Чтобы прибыть в аэропорт, нужно летать на самолете; и т. д., обратно к месту происхождения.
В подходе «работающий вперед», как следует из названия, решатель проблемы пытается решить проблему от начала до конца. Поездка из Нью-Йорка в Бостон может быть спланирована просто путем консультаций с картой и установления кратчайшего маршрута, который происходит в Нью-Йорке и заканчивается в Бостоне. В обратном случае, решатель проблемы начинает с конца и работает к началу. Например, предположим, что планируете поездку из Нью-Йорка в Париж. Один хочет приехать в парижский отель. Чтобы прибыть, нужно взять такси из аэропорта Орли. Чтобы прибыть в аэропорт, нужно летать на самолете; и т. д., обратно к месту происхождения.
Often the least systematic of the problem-solving heuristics, the generate-and-test method involves generating alternative courses of action, often in a random fashion, and then determining for each course whether it will solve the problem. In plotting the route from New York City to Boston, one might generate a possible route and see whether it can get one expeditiously from New York to Boston; if so, one sticks with that route. If not, one generates another route and evaluates it. Eventually, one chooses the route that seems to work best, or at least a route that works. As this example suggests, it is possible to distinguish between an optimizing strategy, which gives one the best path to a solution, and a satisficing strategy, which is the first acceptable solution one generates. The advantage of optimizing is that it yields the best possible strategy; the advantage of satisficing is that it reduces the amount of time and energy involved in planning.
Часто наименее систематическая эвристика решения проблем, метод генерации и тестирования включает в себя создание альтернативных курсов действий, часто случайным образом, а затем определение для каждого курса того, решит ли он проблему. При планировании маршрута из Нью-Йорка в Бостон можно создать возможный маршрут и посмотреть, сможет ли он быстро добраться из Нью-Йорка в Бостон; если это так, во-первых придерживаются этого маршрута. Если нет, генерируется другой маршрут и оценивается. В конце концов, вы выбираете маршрут, который, кажется, работает лучше всего, или, по крайней мере, маршрут, который работает. Как показывает этот пример, можно различать стратегию оптимизации, которая дает один лучший путь к решению, и стратегию удовлетворения, которая является первым приемлемым решением, которое генерируется. Преимущество оптимизации заключается в том, что она дает наилучшую возможную стратегию; преимущество удовлетворения заключается в том, что оно уменьшает время и энергию, связанные с планированием.
Часто наименее систематическая эвристика решения проблем, метод генерации и тестирования включает в себя создание альтернативных курсов действий, часто случайным образом, а затем определение для каждого курса того, решит ли он проблему. При планировании маршрута из Нью-Йорка в Бостон можно создать возможный маршрут и посмотреть, сможет ли он быстро добраться из Нью-Йорка в Бостон; если это так, во-первых придерживаются этого маршрута. Если нет, генерируется другой маршрут и оценивается. В конце концов, вы выбираете маршрут, который, кажется, работает лучше всего, или, по крайней мере, маршрут, который работает. Как показывает этот пример, можно различать стратегию оптимизации, которая дает один лучший путь к решению, и стратегию удовлетворения, которая является первым приемлемым решением, которое генерируется. Преимущество оптимизации заключается в том, что она дает наилучшую возможную стратегию; преимущество удовлетворения заключается в том, что оно уменьшает время и энергию, связанные с планированием.