例: 仲人さんの経験: 近くに住んでいます – どれくらい近いとみなされますか?家の近くにありますか？職場に近いですか？複数の拠点間での優先順位付け...

アルゴリズムは決定論的な保証で問題を解決します

たとえば、オンラインで魔法瓶を購入する場合、「The Wind」を検索すると常に魔法瓶が推奨され、さまざまなスパイ映画が推奨されます。

モデリング: 異なる問題を同じ方法で扱い、同じアルゴリズムのセットで解決します。

ハードウェアの依存関係

巨大

アルゴリズムの「入力サイズ」に応じて「基本演算の総数」が増加する「関数関係」

例: 高さ 10 メートルのピラミッドを建てるには、100,000 個の石を建てるべきか、500,000 個の石を建てるべきかが設計図によって決まります。 石のベース = 基本操作; 10 メートル = 入力スケール; 石のベースの総量とピラミッドの高さの関数関係。

時間のためのスペース

思考を分割して征服する

ユーティリティ: 満足

例: アメリカの有権者が投票するかどうかは、性別、民族、教育レベル、職業などの多くの要因によって影響されます。効用に影響を与える要因は非常に多く、いくつかの要因は複雑な相関関係を持っています。

モデルが複雑すぎる場合、解は得られません。この場合、モデルは単純化されなければなりません。これは、複雑な相互作用のない線形重ね合わせであると仮定されます。

規模が大きすぎてコンピュータでは処理できないため、何らかの情報を捨てる方法を見つける必要があります。

例: テキサス ホールデム: 類似した州を結合する

例: 動画 Web サイトでは、最初はさまざまなコンテンツが推奨されますが、しばらくすると、最もよく見るコンテンツが推奨され始めます。

例: どちらの書店も独自の価格を他の書店の価格の倍数に設定しており、その結果、異常に高い価格が設定されています。

例：尿検査で冷たい紅茶を飲むと血糖値が基準値を超え、糖尿病の疑いがあります。

例: IBM は Watson 医療診断システムを構築していますが、アルゴリズムは説明を提供できません

明確な目的

明確な制限

評価基準を明確にする

これは実際の問題をアルゴリズムの問​​題に変換するプロセスであり、多くの詳細を抽象化するプロセスでもあります。

アルゴリズムを設計する前に、数学的モデルを確立する必要があります

モデルの反復は非常に重要です

目標達成のレベルと時間の複雑さによって決定される

アルゴリズム、ハードウェア

予測結果の精度要件を決定し、重要でない詳細を破棄し、あいまいな問題を明確にして定量化します。

常識に従って検証し、過去のデータを使用して検証します。

それは現実に近く、簡単に解決できるはずです。

例：ナップサック問題

例: オンライン広告を掲載する決定は即座に行う必要があり、貪欲なアルゴリズムを使用します。

たとえば、野生動物の保護を計画する場合、可能な限り最適な解決策を見つけ、分岐限定アルゴリズムを使用する必要があります。

データの機密性が低く、制限が少なく、データへの依存度が低いアルゴリズムを好む

例: 車を見つけるためにシカゴを検索するのは非常に時間がかかります。これはブルート フォース アルゴリズムと呼ばれます。

例: 反復アルゴリズムを使用して、最初のステップで車からの距離は 10 キロメートルになり、次の反復後には 100 キロメートルになります。この距離は「残差」と呼ばれます。

例: テニスの試合の主審は、さまざまなレベルで審判業務を下請けに行っています。

それは使用できますか? 問題が元の問題と同様のサブ問題に分解できること、およびこれらのサブ問題が互いに独立していることを確認してください。

解決策は早いかどうか?

例: キャンディー取りゲーム: 最終的に 4 つのキャンディーに直面した人が負けます

例: ロケットの垂直軟着陸: 最終位置は指定された位置に非常に近く、ロケットと地面の間の角度は 90 度に非常に近く、着陸速度は 0 に非常に近くなければなりません。

例: キャンディー取りゲーム: 最初に 2 つのキャンディーを取ることが最適な戦略である必要がありますが、将来的にキャンディーが少なくなった場合に最適な戦略に従わないと、今キャンディーを 2 つ取っても勝つことはできません。

実行可能な解決策を見つけるのは難しくありませんが、最適な解決策を見つけるのは特に困難です。

例: 木の上で一番大きなリンゴを見つけます。明らかにリンゴより小さい枝を切り落とし、比較のために少数の枝を残します。

例: 中学校で一番背の高い生徒を見つけます。

特定のサブ探索空間で取得できるターゲットが既知の実現可能な解決策ほど優れていない場合、このサブ空間は直接削除されます。

どれだけ効果的に枝刈りできるかによって異なりますが、枝刈りを行わずに分岐だけを行う場合は、すべてを数えることと変わりません。

「早期停止」戦略: 得られた一時的な最適解離が実際の最適解に非常に近い場合、早期停止により時間を大幅に節約できます。

例：コモンロー制度における判例法