アルゴリズム付き貪欲推論を適用する - ダミー

貪欲な推論は、しばしば最適化プロセスの一部として使用されます。このアルゴリズムは、問題を一度に1つのステップで表示し、手元のステップにのみ焦点を当てます。すべての欲張りアルゴリズムは、次の2つの仮定を行います。

• 指定されたステップで単一の最適な選択を行うことができます。
• 各ステップで最適な選択を選択することにより、全体的な問題の最適解を見つけることができます。

多くの欲張りアルゴリズムは、それぞれ特定のタスクを実行するように最適化されています。グラフ分析とデータ圧縮に使用される欲張りアルゴリズムの一般的な例と、それらを使用する理由は次のとおりです。

<！ - 1 - >

• Kruskalの最小スパニングツリー（MST）： このアルゴリズムは、人々が直ちに考えないかもしれない欲張りアルゴリズムの原理の1つを実際に実証します。この場合、アルゴリズムは最初に貪欲な という単語が伝えるように、最大​​値ではなく、最小値を持つ2つのノード間のエッジを選択します。この種のアルゴリズムは、マップ上の2つの場所間の最短経路を見つけるのに役立ちます。または、他のグラフ関連のタスクを実行するのに役立ちます。 プリムのMST：
• このアルゴリズムは、無向グラフ（方向が考慮されていないグラフ）を半分に分割する。次に、2つの半分の総重量ができるだけ小さいように、2つの半分を接続するエッジを選択する。このアルゴリズムを迷路ゲームで使用して、迷路の開始点と終了点の間の最短距離を見つけることができます。 ハフマンエンコーディング：このアルゴリズムは、多くのデータ圧縮技術の基礎を形成するため、コンピュータでは非常に有名です。このアルゴリズムは、最も一般的に使用されるデータ入力が最短のコードを受け取るように、エントリのストリーム内のすべての一意のデータエントリにコードを割り当てる。たとえば、アルファベットの他の文字よりも頻繁に使用するため、英文テキストを圧縮するときに、通常
• E という文字が最短のコードを受け取ることになります。エンコーディング手法を変更することで、テキストを圧縮してかなり小さくすることができ、送信時間を短縮できます。