ヒューリスティック関数
ヒューリスティック関数とは、探索問題において現在の状態からゴールまでに必要なコストや距離を大まかに見積もる評価関数のことです。探索範囲を絞り込み、最適な解を効率的に見つけるために利用されます。
探索アルゴリズムのAI用語一覧
16件探索アルゴリズムに関するAI用語を16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。
バックトラック
バックトラック（後戻り法）とは、問題を解決するために複数の選択肢を順に試行し、途中で条件を満たさないことが判明した時点で直前の分岐点まで戻り、別の選択肢を試す探索アルゴリズムです。無駄な探索を省く枝刈りを行うことで効率的に解に到達でき、AIの意思決定や言語モデルのテキスト生成などで重要な役割を果たします。
全探索
全探索とは、問題の解決策となり得るすべての候補を漏れなく順番に検証して正解や最適解を見つけ出す探索手法です。確実に最良の結果を得られる反面、問題規模の拡大に伴い計算量が急増する特徴を持ちます。機械学習のハイパーパラメータ調整や小規模な組み合わせ最適化などで広く活用されています。
A*アルゴリズム
A*アルゴリズムは、グラフ探索や経路探索において効率的に最短経路を見つけ出すための代表的な探索アルゴリズムです。スタート地点からの実測コストと、ゴールまでの推定コストを合算した評価関数を用いて探索優先度を決めることで、計算量を抑えつつ最適解を導き出します。ゲームのNPC移動やカーナビの経路案内などで広く利用されています。
ゲーム木探索
ゲーム木探索とは、チェスや将棋などの対戦ゲームにおいて、盤面の状態とプレイヤーの指し手を木の枝分かれに見立てて展開し、最善の行動を見つけ出す手法です。相手の最善手を想定して先読みを行うことで、勝率の高い指し手を決定します。
A*探索
A*（エースター）探索は、グラフ探索や最短経路問題を解くための代表的なアルゴリズムです。出発点から目標地点までの最小コストを推定する際、現在の実績コストに「ヒューリスティック関数」による推定残りコストを加算した「評価関数」を用います。これにより、ダイクストラ法よりも効率的に最適な経路を発見できます。
ヒューリスティック
ヒューリスティックとは、必ずしも理論的な最適解を保証しないものの、現実的な時間内で十分に実用的な解を得るための簡便な手法や経験則のことです。厳密な計算では膨大な時間がかかる組み合わせ最適化問題や探索問題において、探索範囲を効率的に絞り込むための知見や推定関数として広く活用されています。
アルファ・ベータ枝刈り
アルファ・ベータ枝刈りは、ゲーム木探索において最善手を効率的に見つけるためのアルゴリズムです。ミニマックス法を改良し、探索する必要のない無駄な枝を途中で切り捨てることで、計算量を大幅に削減し高速化を実現します。
山登り法
山登り法とは、現在の状態から最も評価が高くなる隣接した状態へ移動することを繰り返し、より良い解を探す基本的な探索アルゴリズムです。霧の中で最も傾斜の高い方向へ一歩ずつ登るように動作し、シンプルで計算コストが低い一方、途中の低い山頂である局所最適解に陥りやすい特性を持ちます。
状態空間探索
状態空間探索とは、問題の初期状態から目標状態に至るまでの経路を、可能な状態の全体（状態空間）から見つけ出す人工知能の基本的な問題解決アプローチです。パズルや経路探索、ゲームのAIなどで広く活用されています。
ベストファースト探索
ベストファースト探索は、AIやグラフ理論において最も有望と思われる状態を優先して探索を進めるアルゴリズムです。評価関数を用いて各状態の良さを数値化し、ゴールへ最も近づけそうな経路を効率的に見つけ出すために広く利用されています。
ビームサーチ
ビームサーチは、AIが文章生成などの確率的モデルにおいて、すべての可能性を網羅するのではなく、有望な候補を一定数だけ残しながら効率的に最適な結果を探索するアルゴリズムです。自然言語処理や音声認識の分野で広く活用されています。
ミニマックス法
ミニマックス法は、二人零和有限確定完全情報ゲームにおいて、自身の最小限の損失を抑えつつ最大の利益を得る手を選ぶ、強化学習やゲーム理論で広く使われる探索アルゴリズムです。
最良優先探索
最良優先探索は、評価関数を用いて目標に最も近いと予測されるノードを優先的に展開するグラフ探索アルゴリズムです。効率的な経路計画や問題解決において広く利用されていますが、最適な解を必ずしも保証しない点に注意が必要です。
モンテカルロツリー探索
モンテカルロツリー探索（MCTS）とは、ランダムなシミュレーションを繰り返すことで有望な選択肢を評価・決定する探索アルゴリズムです。盤面の厳密な評価が難しい複雑なゲームでも有効に機能し、AlphaGoなどのAIシステムの中核技術として広く活用されています。
バックトラッキング探索
バックトラッキング探索とは、問題を解くためのすべての選択肢を体系的に評価する探索アルゴリズムの一種です。解の候補を段階的に構築しながら進み、途中で条件を満たさない（行き止まりである）と判明した時点で直前の分岐点まで戻り（バックトラック）、別の可能性を試します。無駄な探索を減らす枝刈りを組み合わせることで、効率的に正解を見つけます。