Не правы, нет, в вопросах «куда ходить» — это либо алгоритм поиска, либо алгоритм управления типа reinforcement learning. Второй особенно хорош тем, что является одновременно и алгоритмом поиска, и алгоритмом управления, и самообучающимся алгоритмом.
Нейросети к ботам для стрелялки никакого отношения не имеют вообще. Алгоритм поиска, о котором тут идет речь, — одна маленькая и не факт, что всегда нужная деталь для бота — зависит от стрелялки.
Правильно я понимаю, что ключевое условие для алгоритма: единая стоимость графа? В случае, если оно не соблюдается — в общем случае — все равно применимым остается А*?
Используйте вероятностные методы — вроде того-таки particle filter, они как раз созданы с целью работать в условиях неопределенностей и показывать хороший результат.
Можно разместить на потолке в случайных местах какие-то радиометки и локализировать робота по их сигналу при помощи particle filter. Тогда все, что вам остается, это поддерживать актуальную карту складских полок — планирование движения может делать централизованный компьютер, которому известны координаты всех роботов и который прокладывает маршруты так, чтобы они не столкнулись.
Роботы следуют заданному маршруту самостоятельно, используя PID контроллер. Это решает проблему погрешности в датчиках колес и всем прочем.
Учиться можно не только в 17 лет. Финансы — не такая уж и проблема в 25, например. Частично учиться можно и удаленно (к примеру, Stanford Center for Professional Development позволяет пройти треть магистратуры удаленно). А поступить — если правда любишь то, чем занимаешься, всё всегда получится :-)
Это уже другая проблема — проблема универов. Можно учиться в хороших универах. Там все это учат. Проблемы конкретных вузов и даже систем образования ни в коем случае не должны трансформироваться в выводы о ненужность образования как такового.
Бла-бла-бла, и сразу «бред». Кстати, вот что еще хорошо убирает универ, так эту категоричность и «реальность» с района.
Вы на малом-то графе задачу решите? Положим, у вас есть 5 маршрутизаторов в сети, используют OSPF, и потому каждый знает топологию — считайте, есть граф. Вы разрабатываете методику диагностити с сбора информации в больших сетях маршрутизации по меткам (MPLS). Каждый маршрутизатор может форвардить запрос другому маршрутизатору, запрос должен обойти все маршрутизаторы при минимальной нагрузке на сеть.
Расчет heuristics для А*, например, — часть работы алгоритма, а не модификация графа (в моем понимании «модификации»). Граф, быть может, имеет смысл как-то обрабатывать предварительно в случае больших размеров, это соглашусь.
Метод ветвей и границ — устаревший подход, годится только для тренировок. Маршрут — ясное дело, что по графу, только подготавливать ничего не надо.
Рокет сайнса не существует. Вся эта алгоритмика позволяет видеть решения огромного количества задач в реальной жизни, и предлагать их заказчику.
Как отличить потенциально мошенническую банковскую транзакцию и остановить ее? Как определить людей, которые обратятся к врачу после лечения повторно? Как построить наилучшее расписание рейсов для аэропорта? За эти задачи платятся огромные деньги, и лучшее решение еще не придумано.
Хотя, конечно, если не планируете заниматься ничем сложнее и интереснее сайтов и бизнес-логики…
Спасибо. Про учебу много-много можно говорить. Нам очень повезло жить в 21 веке, когда есть интернет и все те возможности учиться, которые он дает. Один MOOC чего стоят :-)
И снова-таки: я знаю, что изменилась, я проходил курс CS229 в Stanford University и делал курсовой проект для него как раз по NN.
Я говорю про другое: хорошо, что вы смогли разработать НН модель для конкретной задачи. Это действительно классно, мои поздравления. Нюанс в том, что между ресерчем и инжинирингом есть большая разница. Признайтесь: начиная работать над моделью, вы могли гарантировать результат?
В этом плюс SVM: используя его, вы точно знаете, что получите. Используя НН, вы играете в лотерею: вы можете получить что-то очень классное, а можете получить результат, сравнимый с SVM, но через полгода работы проектной команды. Так что выбор алгоритма — это не вопрос веры, там, или убеждений, а чисто вопрос цели, приемлемых рисков и доступных ресурсов.
Вот этот последний абзац — это то, что я пытаюсь сказать всей этой веткой.
Сравнивайте JPS с A*, они оба ищут оптимальные пути.
Вам нужны алгоритмы управления.
Роботы следуют заданному маршруту самостоятельно, используя PID контроллер. Это решает проблему погрешности в датчиках колес и всем прочем.
Вы на малом-то графе задачу решите? Положим, у вас есть 5 маршрутизаторов в сети, используют OSPF, и потому каждый знает топологию — считайте, есть граф. Вы разрабатываете методику диагностити с сбора информации в больших сетях маршрутизации по меткам (MPLS). Каждый маршрутизатор может форвардить запрос другому маршрутизатору, запрос должен обойти все маршрутизаторы при минимальной нагрузке на сеть.
Решите?
Рокет сайнса не существует. Вся эта алгоритмика позволяет видеть решения огромного количества задач в реальной жизни, и предлагать их заказчику.
Как отличить потенциально мошенническую банковскую транзакцию и остановить ее? Как определить людей, которые обратятся к врачу после лечения повторно? Как построить наилучшее расписание рейсов для аэропорта? За эти задачи платятся огромные деньги, и лучшее решение еще не придумано.
Хотя, конечно, если не планируете заниматься ничем сложнее и интереснее сайтов и бизнес-логики…
Я говорю про другое: хорошо, что вы смогли разработать НН модель для конкретной задачи. Это действительно классно, мои поздравления. Нюанс в том, что между ресерчем и инжинирингом есть большая разница. Признайтесь: начиная работать над моделью, вы могли гарантировать результат?
В этом плюс SVM: используя его, вы точно знаете, что получите. Используя НН, вы играете в лотерею: вы можете получить что-то очень классное, а можете получить результат, сравнимый с SVM, но через полгода работы проектной команды. Так что выбор алгоритма — это не вопрос веры, там, или убеждений, а чисто вопрос цели, приемлемых рисков и доступных ресурсов.
Вот этот последний абзац — это то, что я пытаюсь сказать всей этой веткой.