フロイド-ワーシャル法
フロイド-ワーシャル法は、グラフ上のすべての頂点間の最短経路を効率的に求める動的計画法を用いたアルゴリズムです。負の重みを持つ辺があっても計算可能な点が特徴で、AIやネットワーク解析における様々な経路最適化問題の基礎として活用されています。
アルゴリズムのAI用語一覧（3ページ目）
108件アルゴリズムに関するAI用語を108件掲載しています。意味や使い方、関連用語を一覧から確認できます。 現在は3ページ目です。
機械学習アルゴリズム
機械学習アルゴリズムとは、コンピューターが大量の学習データからパターンやルールを自動的に学び取るための計算手順や数式です。教師あり学習やディープラーニングなど様々な手法があり、自動運転や画像認識、需要予測などの予測モデルを構築するために欠かせない、現代のAI技術の基盤となる要素です。
ハッシュテーブル
ハッシュテーブルは、キーと値のペアを効率的に管理・検索するためのデータ構造です。ハッシュ関数を用いてキーを数値データに変換し、配列のインデックスに対応させることで、要素の検索や追加、削除を高速に行えます。AI分野でも、大規模データの辞書処理や特徴量の高速検索、キャッシュ管理などに幅広く利用されています。
局所的敏感ハッシュ
局所的敏感ハッシュ（LSH）は、高次元のデータ空間において、類似したデータ同士が同じハッシュ値に割り当てられやすくなる特性を持つアルゴリズムです。大規模なベクトルデータベースからの高速な近似近傍探索において重要な役割を果たします。
決定論的
決定論的とは、初期条件や入力データが同じであれば、何度実行しても常に全く同じ結果が得られる性質や処理のことです。AIやシステム開発において、実験の再現性を確保し、デバッグやモデル評価を正確に行うために重要な概念です。確率的な要素を制御することで、処理結果の一貫性を担保することができます。
探索アルゴリズム
探索アルゴリズムとは、大量のデータや状態の空間から、目的の条件に合致する解やデータを効率的に見つけ出すための手順や計算方法のことです。AIやコンピュータ科学の根幹をなす技術であり、最適な経路や最良の選択肢を導き出すために広く活用されています。
モンテカルロ法
モンテカルロ法とは、乱数を用いた多数の試行やシミュレーションを通じて、確定的な計算が難しい問題の近似解や確率分布を求める計算手法です。人工知能の分野では、囲碁や将棋などのゲームプレイAIにおける意思決定や、強化学習における価値関数の推定、複雑なモデルの評価など幅広い場面で利用されています。
変分量子回路
変分量子回路（VQC）は、調整可能なパラメータを持つ量子ゲートの組み合わせであり、NISQデバイス時代において従来の量子アルゴリズムよりも少ない量子ビットと回路の深さで複雑な計算や量子機械学習を実現する重要な手法です。
NP完全問題
NP完全問題とは、計算複雑性理論における問題のクラスの一つで、「効率的に解くアルゴリズムが見つかっていないが、提示された解が正しいかを検証することは容易な問題」の中で最も難しい一群を指します。AIや巡回セールスマン問題などの組み合わせ最適化問題の計算コストを理解する上で、基礎となる重要な概念です。
NP困難
NP困難とは、計算複雑性理論において、非決定性多項式時間で解けるNPに属する最も難しい問題と同等かそれ以上に難しいとされる計算問題のクラスです。AIや機械学習の分野における最適なモデルの探索や経路最適化など、現実的な時間内での厳密解を求めることが極めて困難な問題の性質を表すために用いられます。
k-NN
k-NN（k近傍法）は、未知のデータのカテゴリを予測する際に、最も近い特徴を持つk個の既知データを参照して多数決で決定する、シンプルながら強力な教師あり学習アルゴリズムです。複雑な事前学習を必要としない特徴があります。
計算困難問題
計算困難問題とは、理論上は解決可能であるものの、問題の規模が大きくなると必要な計算時間やメモリ量が爆発的に増加し、現実的な時間内での処理が極めて難しくなる問題のことです。計算複雑性理論において分類され、人工知能の最適化や暗号技術など、実社会の多様な領域と深く結びついています。
グローバーのアルゴリズム
グローバーのアルゴリズムは、非構造化データベースの検索を古典コンピュータよりも高速に行うことができる量子アルゴリズムです。探索空間を平方根の回数で効率的に探索する画期的な手法として知られています。
組合せ爆発
組合せ爆発とは、問題の規模や要素数がわずかに増えるだけで、考えられる選択肢や場合の数が爆発的に増加する現象です。人工知能や計算機科学において、最適化問題や探索空間の拡大に伴い計算時間が現実的でなくなる大きな要因となります。AI分野では、ヒューリスティクスや機械学習を用いてこの問題を回避する技術が不可欠です。
シミュレーテッドアニーリング
シミュレーテッドアニーリングは物理的な焼きなまし現象を模倣し、膨大な選択肢の中から最適な答えを見つけ出すためのメタヒューリスティックな探索アルゴリズムです。人工知能や組合せ最適化問題の分野で、複雑な問題を効率よく解くために広く活用されています。
経路探索
経路探索とは、スタート地点からゴール地点までを結ぶ最適な道筋を見つけ出すアルゴリズム技術です。自動運転車の移動ルート決定やAIキャラクターの移動制御など、さまざまな分野で効率的な意思決定に活用されています。
サポートベクターマシーン
サポートベクターマシーンとは、データを分類や回帰分析するための教師あり学習アルゴリズムの一つです。データ同士の境界線であるマージンを最大化することで、未知のデータに対しても高い汎化性能を発揮する点が特徴で、パターン認識などで広く活用されています。
リコメンデーションシステム
ユーザーの過去の行動や好みを分析し、興味を持ちそうな情報や商品を自動的に提案する仕組みです。ECサイトの買い物や動画配信サービスの視聴など、現代のデジタルサービスに欠かせない技術として広く活用されています。
レコメンドシステム
レコメンドシステムとは、ユーザーの過去の行動履歴や嗜好を分析し、興味を持ちそうな情報や商品を自動で提案する仕組みです。ECサイトや動画配信サービスなどで広く活用され、ユーザーの利便性向上や売上増加に貢献しています。
方策反復
方策反復とは、強化学習においてエージェントの行動方針である方策の評価と改善を交互に繰り返すことで、最適な行動方針を求めるアルゴリズムです。環境のダイナミクスが既知のマルコフ決定過程において理論的な最適解を導くために用いられます。
ビタビアルゴリズム
ビタビアルゴリズムは、観測された系列データから、最も確からしい隠れた状態の系列を効率的に見つけ出す動的計画法に基づくアルゴリズムです。隠れマルコフモデルなどの確率モデルにおいて、音声認識や形態素解析などに広く利用されています。
NP困難問題
NP困難問題とは、コンピュータにとって効率的な解法を見つけるのが極めて難しいとされる計算問題のクラスです。AIや機械学習分野における最適なモデルの探索や経路最適化などにおいて、厳密解を短時間で求めることが困難であるため、近似アルゴリズムやメタヒューリスティクスが活用されます。
非決定性チューリングマシン
非決定性チューリングマシンとは、ある状態と読み取った文字から次の状態が一意に決まらず、複数の可能性を同時に分岐して探索できる仮想的な計算モデルです。計算複雑性理論において、P問題とNP問題の定義や比較を行う際の根幹となる重要な概念です。
ニアレストネイバー法
ニアレストネイバー法とは、未知のデータを分類・予測する際に、特徴空間上で最も距離が近い既存のデータを検索し、そのラベルや値をそのまま適用する機械学習のアルゴリズムです。シンプルな構造でありながら直感的に理解しやすく、画像認識や推薦システムなどの基準モデルとして広く活用されています。