ADŠ prednáška 13: Pažravé algoritmy 1 - voľba optimálnej podmnožiny.

Zdroj
ručne priradené
Pridané

Pozrieť na YouTube →

Preber si túto prednášku so svojou AI

Skopíruj pripravený podklad a vlož ho do ChatGPT, Claude alebo inej AI — bude ťa učiť alebo skúšať len z tejto prednášky.

Otvoriť AI: ChatGPT · Claude · Gemini

Zhrnutie prednášky

Prednáška uvádza koncept pažravých (greedy) algoritmov, ktoré sa snažia dosiahnuť globálne optimum sériou jednoduchých lokálnych rozhodnutí. Na ilustráciu slúži úloha s predpovedaným vývojom ceny Bitcoinu, kde sa ukazuje, že optimálnu stratégiu nákupu a predaja možno určiť len na základe porovnania dvoch po sebe idúcich cien, bez potreby poznať celý budúci vývoj. Výsledný algoritmus je lineárny, jednoducho implementovateľný a doplnený dôkazom správnosti. Následne sa vysvetľuje, prečo sú pažravé algoritmy obľúbené (efektívnosť, jednoduchosť), ale aj to, že pre mnohé problémy pažravý prístup nevedie k optimálnemu riešeniu, preto je dôležité vždy dokazovať jeho korektnosť. Na záver sa zavádza druhá úloha o rozmiestnení domov pozdĺž cesty v dedine, ktorá bude slúžiť ako ďalší príklad na precvičenie pažravého uvažovania.

  • - Pažravé algoritmy dosahujú globálne optimum sériou lokálnych rozhodnutí.
  • - Príklad: optimálne obchodovanie s Bitcoinom na základe predpovedanej postupnosti cien.
  • - Optimálna stratégia: nakupovať keď cena rastie, predávať keď klesá – rozhoduje sa len podľa dvoch susedných cien.
  • - Riešenie je lineárne (jeden cyklus cez pole cien) a jednoduché na implementáciu.
  • - Výhody pažravých algoritmov: efektívnosť a jednoduchosť implementácie.
  • - Riziko: pažravé riešenie nemusí byť pre každý problém optimálne, treba dokazovať jeho korektnosť.
  • - Zavedená nová úloha o optimálnom umiestnení/pripojení domov pozdĺž cesty v dedine ako ďalší príklad.

Zhrnutie pripravené s pomocou AI z prepisu videa.