タグ付けされた質問 「constraint-satisfaction」

ウィキペディアと私が見つけた他のソースはvoid、空のタイプではなくユニットタイプとしてリストCのタイプを見つけました。void空の/下の型の定義によりよく適合するように思えるので、この混乱を見つけます。 void私が知る限り、値は存在しません。 戻り値の型がvoidの関数は、関数が何も返さないため、何らかの副作用しか実行できないことを指定します。 タイプのポインターvoid*は、他のすべてのポインタータイプのサブタイプです。また、void*C との間の変換は暗黙的です。 最後の点voidに、空の型であることの引数としてのメリットがあるかどうかはわかりvoid*ませんvoid。 一方、voidそれ自体は他のすべてのタイプのサブタイプではありません。これは、タイプがボトムタイプであるための要件であると言えます。

28 type-theory  c  logic  modal-logic  coq  equality  coinduction  artificial-intelligence  computer-architecture  compilers  asymptotics  formal-languages  asymptotics  landau-notation  asymptotics  turing-machines  optimization  decision-problem  rice-theorem  algorithms  arithmetic  floating-point  automata  finite-automata  data-structures  search-trees  balanced-search-trees  complexity-theory  asymptotics  amortized-analysis  complexity-theory  graphs  np-complete  reductions  np-hard  algorithms  string-metrics  computability  artificial-intelligence  halting-problem  turing-machines  computation-models  graph-theory  terminology  complexity-theory  decision-problem  polynomial-time  algorithms  algorithm-analysis  optimization  runtime-analysis  loops  turing-machines  computation-models  recurrence-relation  master-theorem  complexity-theory  asymptotics  parallel-computing  landau-notation  terminology  optimization  decision-problem  complexity-theory  polynomial-time  counting  coding-theory  permutations  encoding-scheme  error-correcting-codes  machine-learning  natural-language-processing  algorithms  graphs  social-networks  network-analysis  relational-algebra  constraint-satisfaction  polymorphisms  algorithms  graphs  trees 

制約充足問題では、ヒューリスティックを使用してbactrackingソルバーのパフォーマンスを改善できます。単純なバックトラッキングソルバーに一般的に与えられる3つのヒューリスティックは次のとおりです。 最小残り値（この変数にまだ有効な値の数） 度ヒューリスティック（この変数の影響を受ける他の変数の数） 最小制約値（他の変数に対して他のほとんどの値を残す値） 最初の2つはかなり明白で、実装は簡単です。最初に、ドメイン内に残っている値が最も少ない変数を選択します。タイがある場合は、他のほとんどの変数に影響を与える変数を選択します。このようにして、ソルバーの親ステップが不適切な割り当てを選択した場合、他の多くの要素に影響を与える最小の値が残っている変数を選択すると、より早く発見できるため、時間を節約できます。 これらはシンプルで明確に定義されており、実装も簡単です。 最小制約値は、どこを見ても明確に定義されていません。人工知能：現代のアプローチ（ラッセル＆ノーヴィグ）は次のように述べています。 制約グラフ内の隣接する変数の選択が最も少ない値を優先します。 「最小制約値」を検索すると、この教科書に基づいた多くの大学のスライドショーが表示されただけで、アルゴリズムでこれを行う方法についての詳細はありませんでした。 このヒューリスティックの唯一の例は、値の1つの選択が隣接する変数のすべての選択を排除し、もう1つの値は排除しない場合です。この例の問題は、これが取るに​​足らないケースであり、潜在的な割り当てが問題の制約との整合性がチェックされるとすぐに排除されることです。したがって、私が見つけたすべての例で、最小の制約値のヒューリスティックは、冗長なチェックを追加することによる小さな悪影響を除いて、実際にはソルバーのパフォーマンスにまったくメリットがありませんでした。 私が考えることができる他の唯一のことは、各割り当ての隣接する変数の可能な割り当てをテストし、この変数の可能な割り当てごとに存在する隣接の可能な割り当ての数を数え、この変数の値を並べることですその値が選択された場合に使用可能なネイバー割り当ての数に基づく。ただし、これによりランダムな順序よりも改善されるかどうかはわかりません。これには、多数の変数の組み合わせのテストと、カウントの結果に基づく並べ替えの両方が必要になるためです。 誰でも最小制約値のより有用な説明を提供し、その最小制約値のバージョンが実際にどのように改善をもたらすかを説明できますか？

11 artificial-intelligence  constraint-satisfaction 

[注：この問題はPokemon Goに触発されました。最初に問題を数学的な用語で説明し、次にポケモンゴーとの関連を説明します。私の目標は、ゲームでごまかすことではありません。私がカンニングしたいのであれば、より良い情報をより簡単に入手できます。] あると仮定NNN点（「未知点」）が平面で、それらを呼び出すn1,…,nNn1,…,nNn_1,\dots,n_N、未知の座標。さらに、既知の場所で測定が行われています。m 1、… 、m MMMMm1,…,mMm1,…,mMm_1,\dots,m_M ましょう測定点から（一般に未知）のユークリッド距離で未知点に。m i n jdist(mi,nj)dist(mi,nj)\text{dist}(m_i, n_j)mimim_injnjn_j 各測定について、次の情報があります。mimim_i 各未知点の正確な座標ためいくつかの既知の定数のためのD 分。そして dist （m i、n j）&lt; d minnjnjn_jdist(mi,nj)&lt;dmindist(mi,nj)&lt;dmin\text{dist}(m_i, n_j)d_\text{min}dist(mi,nj)dist(mi,nj)\text{dist}(m_i, n_j) 未知の点、または与えられた未知の点が可能な平面の領域を計算するための効率的なアルゴリズムはありますか？アルゴリズムには、測定点の座標（X i、Y i）、上記の測定情報、および未知の点の数Nが与えられます。目標は、未知の各ポイントn 1、… 、n Nの可能な場所の領域をできるだけ絞り込むことです。njnjn_j(Xi,Yi)(Xi,Yi)(X_i,Y_i)NNNn1,…,nNn1,…,nNn_1,\dots,n_N ポケモン接続： 拡張現実ゲーム、ポケモンゴーの目標は、自然の中でポケモンを見つけることです。時々、ゲームはポケモンをプレーヤーの位置の「可視範囲」（）で表示します。さらに、近くにある（d i s t &lt; d m a x）ポケモンのリストを距離でソートして表示する「ポケモンファインダー」があります。（おおよその距離を1、2、または3つの足跡として表示することも想定されていますが、明らかにバグがあり、常に3つの足跡が表示されます。）dmindmind_{min}dist&lt;dmaxdist&lt;dmaxdist<d_{max}

8 algorithms  computational-geometry  constraint-satisfaction