桐影317第七周小组讨论

小组议题：1检索树。

检索树是表示游戏中所有可能的移动的结构。书中展现的是一个简单的检索树，而实际上有很多非常复杂的游戏，如：国际象棋。

这样的树具有许多节点和路径。所以即便是现代计算机，在合理的时间内，也只能分析部分的树。

因此，问题就变成了使用深度优先法还是广度优先法。其实在之前的内容就已出现过这两种搜索法，但小组讨论觉得这个还是有必要再了解一下：

深度优先法：深度优先搜索属于图算法的一种，是一个针对图和树的遍历算法，英文缩写为DFS即Depth First Search。深度优先搜索是图论中的经典算法，利用深度优先搜索算法可以产生目标图的相应拓扑排序表，利用拓扑排序表可以方便的解决很多相关的图论问题，如最大路径问题等等。一般用堆数据结构来辅助实现DFS算法。其过程简要来说是对每一个可能的分支路径深入到不能再深入为止，而且每个节点只能访问一次。

广度优先法：广度优先搜索（也称宽度优先搜索，缩写BFS，以下采用广度来描述）是连通图的一种遍历算法这一算法也是很多重要的图的算法的原型。Dijkstra单源最短路径算法和Prim最小生成树算法都采用了和宽度优先搜索类似的思想。其别名又叫BFS，属于一种盲目搜寻法，目的是系统地展开并检查图中的所有节点，以找寻结果。换句话说，它并不考虑结果的可能位置，彻底地搜索整张图，直到找到结果为止。基本过程，BFS是从根节点开始，沿着树(图)的宽度遍历树(图)的节点。如果所有节点均被访问，则算法中止。一般用队列数据结构来辅助实现BFS算法。

再与316小组的交流中得知一种算法：Prim最小生成树算法。

这种算法采取一种贪心算法，在每次选择边的时候都选择边权值较小的边，这种算法非常像单元最短路径算法。

---

小组议题：2人工神经网络的训练

小组讨论时对于训练这概念比较疑惑，训练是指计算机的自己训练自己，还是人为加入权和阈值，查阅资料后发现人工神经网络具有自学习能力，例如实现图像识别时，只在先把许多不同的图像样板和对应的应识别的结果输入人工神经网络，网络就会通过自学习功能，慢慢学会识别类似的图像。

我们还了解到人工神经网络的其余优越性

具有联想存储功能。用人工神经网络的反馈网络就可以实现这种联想。

具有高速寻找优化解的能力。寻找一个复杂问题的优化解，往往需要很大的计算量，利用一个针对某问题而设计的反馈型人工神经网络，发挥计算机的高速运算能力，可能很快找到优化解。