-------------------------------------------------------------
９／２０（木）晴れ　ノート：山崎

3.1  ブラインド探索のまとめ
　Ｑ１．各サーチ手法（縦型、横型、反復深化法）の探索過程（スタートから下に向
かって、サーチ木（ｐ３５図３．１）の各ノードを訪れる順序）をイラストで表せ。
　　例）・横型
　　　　・縦型
　　　　・反復深化法
　　　　　　cutoff=1,2,3に分けて、イラストを書け。
　　　　　　・ポイント　cutoff = サーチの深さを１つずつ大きくしながら、
			縦型サーチを繰り返す。

3.2  ヒューリスティック探索（pp.43-46 , 配布資料、 知能工学ノート（９／４））
　　 　ヒューリスティック（Heuristics）
        ・正しいという裏付けはないが、経験的に正しいと信じられている知識
　　　　　→サーチのとき、役に立つ知識
　　　　　　　9/6,スタートから目標状態（ゴール）までの最短経路（path）を求める。
　　　　　　　ex.ゲームの早解き
　　　　　　　　　　　　ゴール＝エンディング表示
　　　　　　　　　　　　　　　　　プレイ時間最小
　　　　　　　現状態が、ゴールにどれだけ近いか？　（pp.43-44）
　　　　 h(x)              〃　　　　　　　　　を表す（見積もる/推定する）関数

　　　　Ｑ２．なぜ、”見積もる”のか？
　　　　　　実際のゴールまでの距離（展開ノード.etc）は、サーチで展開し、
		ゴールまでたどりついて初めて確定するから
　　　　     → 展開せずに/するよりも小さいコストで距離やコストを見積もりたい。

3.2.1  山登り法（hill climbing）
       pp.44-45 アルゴリズム
        Ｑ３．ブラインドサーチ法との違いはどこか？
　　　　　　　Step5 : h(n') = min(h(ni))
             → 対応する本文の説明をマーク

        例：山登り法でのh(x)の例
　　       問題：カーナビ
　　　　      h(x)の例・・・１）ゴールまでの直線距離
　　　　　　　      　　　　２）高速/一般道ごとの平均時速を用いて算出した予想走行時間
　　  山登り法の特徴
　　　  ・サーチコスト　小
　　　  ・ゴールにたどりつく前にh(n') = min(h(ni))のノードが見つからなくなると，
	そこから先に進めない → 図３．３（左）

      アルゴリズムの挙動
　　     霧の中での高度計での登山／下山

3.2.2  最良優先サーチ
　　　　山登り法とのちがい → 全ての未展開ノードからh(n') = min(h(ni))を選ぶ。
　　　　　　　　　　　　　　　　　→図３．４
　　　　Ｑ４．両アルゴリズムがStep5でソート（調べる）するノードをそれぞれ
		（点線で）示せ。

-------------------------------------------------------------------------