Tree Search(樹狀搜尋)

一、什麼是 Tree Search(樹狀搜尋)? 在人工智慧(AI)與演算法中,許多問題都可以表示成一棵樹(圖一): 起點(A) / | \ B C D /|\ | / \ E F G H I J 每個節點(Node)代表一種狀態(State)。 例如: 迷宮中的位置 棋局的盤面 路徑規劃中的城市 遊戲中的決策 搜尋演算法的目的: 從起點找到目標節點(Goal Node) 二、Breadth First Search (BFS) 核心思想 先搜尋離起點最近的節點。 一層一層往外擴展。 Level 0: A Level 1: B C D Level 2: E F G H I J 搜尋順序: A B C D E F G H I J 圖一結果: A → B → C → D → E → F → G → H → I → J 使用資料結構 Queue(佇列) FIFO: First In First Out 先進先出 例如: Queue: A 取出A 加入B,C,D Queue: B,C,D BFS特性 優點 如果邊權重相同: BFS一定找到最短路徑。 缺點 需要大量記憶體。 假設每個節點有10個子節點: 深度5: 10^5 = 100000 需要保存很多節點。 時間複雜度 O(V + E) V = Vertex(節點數) E = Edge(邊數) 三、Depth First Search (DFS) 核心思想 一路往下走到底。 不能走才回頭。 A | B | E 然後: A | B | F 搜尋順序 圖一結果: A B E F G C H D I J 使用資料結構 Stack(堆疊) LIFO Last In First Out 後進先出 例如: push(B) push(C) push(D) pop() => D DFS特性 優點 記憶體需求小。 只需保存: 目前路徑 即可。 缺點 可能找到很差的解。 例如: A ├── Goal └── 巨大子樹 DFS可能先跑完整個巨大子樹。 時間複雜度 O(V+E)...

MIT App Inventor 2 健康體重BMI 範例 ( MIT App Inventor 2: Body Mass Index )

本文要來製作跟健康小有關係的App:計算BMI。首先要了解BMI是怎麼算來的。

BMI = 體重(以公斤為單位) / 身高2(以公尺2為單位)
例如:一個70公斤的人,身高是170公分,則BMI為
70(公斤)/1.702 ( 公尺)= 24.22
體重正常範圍為  BMI=18.5~24 

App的使用介面(User Interface)設計如下圖:

用了三個水平對齊(HorizontalArrangement:HorizontalArrangement1、HorizontalArrangement2、HorizontalArrangement3)版面配置(Layout)、五個標籤(Label:Label1、Label2、Label3、Label4、result)、兩個文字輸入框(TextBox:height、weight)、兩個按鈕(Button:computeBMI、clearData)。

而程式積木如下:
執行結果截圖:

試試看自己的BMI是否在正常範圍吧。
若您覺得文章寫得不錯,請點選文章上的廣告,來支持小編,謝謝。

留言

這個網誌中的熱門文章