使用机器学习/AI 的最短根答案

【问题标题】：Shortest root using machine learning/AI使用机器学习/AI 的最短根
【发布时间】：2017-09-06 07:34:27
【问题描述】：

假设我有一组分散在 XY 平面上的点，并且我有两个点，即 XY 平面中任何位置的起点和终点。我想在不触及散点的情况下找到起点和终点之间的最短路径。路径必须保持一定的偏移量（即假设路径有一些宽度）。编程中如何处理这类问题，机器学习中有没有算法。

【问题讨论】：

我...你打算让机器“学习”什么？存在很多最短路径算法，ML 不仅仅是一个流行词。许多人将修改后的 Dijkstra 算法用于 ML 目的，但是......非常不同的核心概念。

【解决方案1】：

最低价格的最短解决方案。

【讨论】：

【解决方案2】：

你也可以考虑A*算法。

这找到了与 Dijkstra 算法相同的解决方案，但通常以较低的计算成本（这在您的情况下可能很重要，因为在空间离散化之后您可能会得到一个大网格）。

这是因为 A* 使用启发式方法来偏向搜索，因此它首先会寻找更有希望的方向（例如向目标移动原则上是一个好主意，因此首先尝试这样做)。

您可以看到运行 here 和（与 Dijkstra 的算法并排 - 感谢 @Thrawn 提供链接）here 的一些 A* 的可视化。

【讨论】：

【解决方案3】：

这不是机器学习问题，而是优化问题。

所以你需要一个最短路径的贪心算法

确实可以通过这种方式解决，但挑战是将您的网格表示为图形... 例如，将网格分解为 n x n 矩阵。在您的最短路径算法中，节点是矩阵的一个元素（因此您排除了包含散点的矩阵元素），弧的权重是距离。

但是 n 必须很小，因为最短路径算法是 np-hard 问题...

对于这个特定问题，可能存在其他算法，但我不知道。

【讨论】：

如果有的话，有许多价值数十亿美元的公司很想知道，其中包括优步。
请注意，最短路径不是 np-hard 问题（例如，因为否则，由于 Dijkstra 的算法在多项式时间内运行，p 与 np 的困境将得到解决）
感谢您的回复，我了解它的优化问题，我们是否有任何包/库来实现这一点。我真正的问题是处理 3D（即 X、Y、Z）坐标而不是 2D。会被AI解决吗？
@RaviBelkhindi，没有。 Dijkstra 的算法已经是 N 维的，它不关心数据的维度，只关心连通性。 ML 不是一个神奇的流行语，ML 不会在这里解决你的问题。存在 Python 中的实现，但是，您可能希望扩展它或用 C 编写它以提高性能：code.activestate.com/recipes/…
谢谢@AlexanderHuszagh

【解决方案4】：

就像其他人已经说过的那样：这不是典型的“人工智能”问题。这是一个路径规划问题。

有不同的算法可用。如果您的路径不需要满足任何约束，例如 .g。平滑度，您可以使用 A*-Algorithm with distance 作为启发式。

您必须将您的 XYZ 空间表示为一个图形，其中每个节点都有一个坐标。此外，您需要考虑到，您要避免的点附近没有节点。

如果您的路径需要满足约束，这会变成一个更复杂的路径规划问题，您可以在其中应用优化或 RRT。

【讨论】：