NN与贪婪搜索

嗯,在很高的层次上,它们都是由启发式驱动的,以便根据理想解决方案评估给定的解决方案。但是,当贪婪搜索算法输出给定输入的解时,神经网络会训练一个模型,为给定输入生成解。因此,在非常高的层次上,你可以认为神经网络生成了一个解决方案查找器,而贪婪搜索是一个harcode解决方案查找者。

换句话说,当提供给相同的网络拓扑时,神经网络将生成“代码”(即模型(也称为权重)),找到问题的解决方案。贪婪搜索实际上是你编写的找到问题解决方案的代码。虽然这很含糊,但我相信有一种更简洁、学术上合理的方式来表达我刚才说的话

我刚才说的所有内容都是基于这样一个假设,即你所说的“贪婪搜索”是指解决旅行推销员等问题的算法。

另一种思考方式是:

在贪婪搜索中,您编写了一个解决搜索问题的算法(根据提供的启发式方法,为我找到最能描述数据点a和数据点B之间关系的图)。

当你编写一个神经网络时,你需要声明一个网络拓扑,提供一些最初的“随机”权重和一些启发式方法来测量输出误差,然后通过多种不同的方法(反向道具、GAN等)训练网络权重。然后,这些权重可以用作新问题的求解器。

不管怎样,我认为神经网络不是解决旅行销售人员问题的好方法。你最好使用一种常见的图搜索算法。。