Какие средства необходимы для достижения цели. Как всегда достигать поставленной цели. Не навязанная цель

Информи́рованный по́иск (также эвристический поиск , англ. informed search, heuristic search ) - стратегия поиска решений в пространстве состояний , в которой используются знания, относящиеся к конкретной задаче. Информированные методы обычно обеспечивают более эффективный поиск по сравнению с неинформированными методами .

Информация о конкретной задаче формулируется в виде эвристической функции . Эвристическая функция на каждом шаге перебора оценивает альтернативы на основании дополнительной информации с целью принятия решения о том, в каком направлении следует продолжать перебор .

Эвристические функции [ | код ]

В контексте поиска в пространстве состояний, эвристическая функция (англ. heuristic function ) h (n ) определена на узлах дерева перебора следующим образом:

h (n ) = оценка стоимости наименее дорогостоящего пути от узла n до целевого узла.

Если n - целевой узел, то h (n ) = 0.

Узел для развёртывания выбирается на основе функции оценки (англ. evaluation function )

f (n ) = оценка стоимости наименее дорогостоящего пути решения, проходящего через узел n , f (n ) = g (n ) + h (n ),

где функция g (n ) определяет стоимость уже пройденного пути от начального узла до узла n .

Значения функций вдоль оптимального решения
f1(n) = g(n) + h1(n) - недопустимая эвристика
f2(n) = g(n) + h2(n) - допустимая, но не преемственная
f3(n) = g(n) + h3(n) - преемственная эвристика

Если эвристическая функция h (n ) никогда не переоценивает фактическую минимальную стоимость достижения цели (то есть является нижней оценкой фактической стоимости), то такая функция называется допустимой (англ. admissible ).

Если эвристическая функция h (n ) удовлетворяет условию

h (a ) ≤ cost (a , b ) + h (b ),

где b - потомок a , то такая функция называется преемственной (англ. consistent ).

Если f (n ) = g (n ) + h (n ) - функция оценки, h (n ) - преемственная функция, то функция f (n ) является монотонно неубывающей вдоль любого исследуемого пути. Поэтому преемственные функции также называются монотонными (англ. monotonic ).

Любая преемственная функция является допустимой, но не любая допустимая функция является преемственной.

Если h 1 (n ), h 2 (n ) - допустимые эвристические функции, и для любого узла n верно неравенство h 1 (n ) ≥ h 2 (n ), то h 1 является более информированной эвристикой, или доминирует над h 2 .

Если для задачи существуют допустимые эвристики h 1 и h 2 , то эвристика h (n ) = max(h 1 , h 2) является допустимой и доминирует над каждой из исходных эвристик .

Сравнение эвристических функций [ | код ]

При сравнении допустимых эвристик имеют значение степень информированности и пространственная и временная сложность вычисления каждой из эвристик. Более информированные эвристики позволяют сократить количество развёртываемых узлов, хотя платой за это могут быть затраты времени на вычисление эвристики для каждого узла.

Эффективный коэффициент ветвления (англ. effective branching factor ) - среднее число преемников узла в дереве перебора после применения эвристических методов отсечения . По эффективному коэффициенту ветвления можно судить о качестве используемой эвристической функции.

Идеальная эвристическая функция (например, таблица поиска ) всегда возвращает точные значения длины кратчайшего решения, поэтому дерево перебора содержит только оптимальные решения. Эффективный коэффициент ветвления идеальной эвристической функции близок к 1 .

Примеры задач поиска [ | код ]

В качестве моделей для испытания алгоритмов поиска и эвристических функций часто используются перестановочные головоломки - Пятнашки 3×3 , 4×4 , 5×5 , 6×6 , кубик Рубика , Ханойская башня с четырьмя стержнями .

В головоломке «Пятнашки» может быть применена эвристика h m , основанная на манхэттенском расстоянии . Более конкретно, для каждой плитки подсчитывается манхэттенское расстояние между её текущим положением и её положением в начальном состоянии; полученные величины суммируются.

Можно показать, что эта эвристика является допустимой и преемственной: за один ход её значение не может измениться более чем на ±1.

Конструирование эвристических функций [ | код ]

Ослабленная задача [ | код ]

Эвристическая функция h m , использующаяся для решения головоломки «Пятнашки», представляет собой нижнюю оценку длины оптимального решения. Помимо этого, h m (n ) - это точное значение длины оптимального решения упрощённой версии головоломки, в которой плитки можно передвигать в занятые позиции. В исходной головоломке присутствует ограничение «в одной клетке не должны находиться две и более плитки», которого нет в упрощённой версии. Задача с меньшим количеством ограничений на возможные действия называется ослабленной задачей (англ. relaxed problem ); стоимость решения ослабленной задачи является допустимой эвристикой для первоначальной задачи , так как любое решение первоначальной задачи является также решением ослабленной задачи.

Подзадача [ | код ]

Допустимая эвристика может быть основана на стоимости решения подзадачи (англ. subproblem ) исходной задачи. Любое решение основной задачи одновременно является решением каждой из её подзадач .

Подзадачей задачи решения головоломки «Пятнашки» может быть задача перемещения на свои места плиток 1, 2, 3 и 4. Стоимость решения этой подзадачи является допустимой эвристикой для исходной задачи.

Базы данных с шаблонами [ | код ]

Пример шаблона для головоломки «Пятнашки» изображён на рисунке справа: в определение подзадачи входят позиции семи фишек, находящихся в первом столбце и в первой строке. Количество конфигураций этого шаблона равно 16 ! 8 ! = 518918400 {\displaystyle {\dfrac {16!}{8!}}=518918400} . Для каждой из конфигураций база данных содержит минимальное количество ходов, необходимое для перевода этой конфигурации в целевую конфигурацию подзадачи, показанную на рисунке. Построение базы данных осуществляется методом обратного поиска в ширину .

Алгоритмы поиска [ | код ]

[ | код ]

Поиск по первому наилучшему совпадению (англ. best-first search ) представляет собой подход, в котором узел для развёртывания выбирается на основе оценочной функции f (n ). Для развёртывания выбирается узел с наименьшей оценкой.

Поиск A* [ | код ]

Поиск A* - наиболее известная разновидность поиска по первому наилучшему совпадению. В нём применяется оценка f (n ) стоимости наименее дорогостоящего пути решения, проходящего через узел n :

f (n ) = g (n ) + h (n ), где g (n ) - стоимость пути от начального узла до узла n , h (n ) - оценка стоимости пути от узла n до цели.

Если h (n ) никогда не переоценивает стоимость достижения цели (то есть является допустимой), то поиск A* является оптимальным.

IDA* [ | код ]

Алгоритм A* с итеративным углублением (iterative deepening A*, IDA* ) - применение идеи итеративного углубления в контексте эвристического поиска.

node текущий узел g стоимость начала решения root..node f оценка стоимости минимального пути через node h (node ) эвристическая оценка стоимости остатка пути node..goal cost (node , succ ) функция стоимости пути is_goal (node ) функция проверки цели successors (node ) функция развёртывания узла node procedure ida_star (root , cost (), is_goal (), h ()) bound := h (root ) loop t := search (root , 0, bound ) if t = FOUND then return FOUND if t = ∞ then return NOT_FOUND bound := t end loop end procedure function search (node , g , bound ) f := g + h (node ) if f > bound then return f if is_goal (node ) then return FOUND min := ∞ for succ in successors (node ) do t := search (succ , g + cost (node , succ ), bound ) if t = FOUND then return FOUND if t < min then min := t end for return min end function

MA* [ | код ]

SMA* [ | код ]

SMA* (англ.)

Эвристический поиск на И-ИЛИ графах

Поиск в глубину на И-ИЛИ графе

Как по И-ИЛИ графу построить решающее дерево? Это дело системы (стратегии) управления. На И-ИЛИ графах возможны все виды поиска, которые мы изучили: поиск в глубину, поиск в ширину, эвристический поиск.

Поиск в глубину на И-ИЛИ графах является процедурным механизмом Prolog-системы. Вначале системе адресуется запрос, или главная цель.

Для ее решения нужно решить все подцели в теле правила, с которым запрос сопоставился. Это вершина типа «И».

Если к цели могут быть применены альтернативные правила, то это вершина типа «ИЛИ».

Цель, которая сопоставилась с фактом базы данных, - терминальная вершина.

Рассмотрим поиск в глубину на модельном И-ИЛИ графе (рис. 19):

Рисунок 19. Модельный «И-ИЛИ граф»

Поиск в глубину из вершины X:

Если Х-целевая вершина, то задача решена.

Если Х-вершина типа «ИЛИ», то нужно пробовать решать одну за другой задачи-преемники, пока не будет найдена задача, имеющая решение.

Если Х-вершина типа «И», то нужно решить все ее задачи-преемники.

Если применение этих правил не приводит к решению, то решения нет.

Задание . Написать программу, реализующую поиск в глубину на модельном И-ИЛИ графе (рис. 19). Какова ее вычислительная сложность?

Припишем дугам И-ИЛИ графа стоимости.

Положим стоимость решающего дерева равной стоимости входящих в него дуг.

Цель оптимизации - поиск дерева решения минимальной стоимости.

Определим стоимость вершины как стоимость минимального решающего дерева с корнем в этой вершине.

Определим эвристическую функцию на вершинах И-ИЛИ графа. Эвристическая оценка листов равна непосредственно значению эвристики h(u) на вершине u. Внутренние вершины имеют преемников. Они будут оцениваться с помощью возвращенной эвристической оценки - оценки стоимости минимального решающего дерева с корнем в u.

Оценка для ИЛИ-вершины (рис. 20).

Рисунок 20. Возвращенная эвристика «ИЛИ»-вершины

Оценка для И-вершины (рис. 21).

Рисунок 21. Возвращенная эвристика «И»-вершины

3) - оценка для листа

В нашем дереве поиска у каждой вершины только один отец. Пусть u 0 - отец, u - сын (рис.22).

Рисунок 22. f-оценка сына u 1 с отцом u 0

f-оценка вершины u складывается как стоимость дуги, входящей в u от родительской вершины, плюс ее возвращенная эвристическая оценка . Начальная вершина не имеет родителя, поэтому будем считать, что в нее входит фиктивная дуга стоимости 0.

1.8.2. АО*-алгоритм эвристического поиска на И-ИЛИ графе

Каждый преемник ИЛИ-вершины соответствует альтернативному дереву - кандидату в решение. АО*-алгоритм на каждом шаге будет расширять дерево с минимальной f-оценкой, вычисленной следующим образом:

- для И-вершины;

Для ИЛИ-вершины.

Рассмотрим эвристический поиск на примере модельного И-ИЛИ графа (рис. 23) с эвристиками всех вершин тождественно равными 0 (h(u)≡0 для всех u).

Рисунок 23. Модельный граф с эвристиками всех вершин тождественно равными нулю

Начнем поиск из начальной вершины а.

f(a) = 0 + h(a) = 0 (рис. 24):

Рисунок 24. Трассировка алгоритма. Шаг 1

f(b) = 1 + h(b) =1;

f(c) = 3 + h(c) = 3;

f(a) = 0 + min{f(b),f(c)} = min{1,3} = 1.

Рисунок 25. Трассировка алгоритма. Шаг 2

Дерево с корнем в b является минимальным, поэтому оно расширяется (рис. 26), его оценка пересчитывается и пересчитывается оценка вершины а:

f(d) = 1 + h(d) =1;

f(e) = 1 + h(e) =1;

f(b) = 1 + f(d) + f(e) =3.

Рисунок 26. Трассировка алгоритма. Шаг 3

f(b) ≤ f(c), поэтому продолжаем расширять дерево с корнем в b. При попытке расширить d обнаруживаем что d - целевая вершина, для e находим преемника h (рис. 27):

f(h) = 6 + h(h) =6;

f(e) = 1 + h(h) =1 + 6 =7;

f(b) = 1 + f(d) + f(e) = 1 + 1 + 7 = 9

Рисунок 27. Трассировка алгоритма. Шаг 4

Поиск не успел понять, что h - целевая вершина; стоимость дерева с корнем в b равна 9, поэтому происходит переключение на дерево с корнем в с, причем рост дерева с корнем в с ограничивается величиной 9: f(c) ≤ 9 (рис. 28):

f(f) = 2 + h(f) =2;

f(g) = 1 + h(g) =1;

f(c) = 3 + f(f) +f(g) = 3 + 2 + 1 =6;

Рисунок 28. Трассировка алгоритма. Шаг 5

f(b) ≤ 9, поэтому продолжаем расширять дерево с корнем в с (рис. 29). Обнаруживаем, что g - целевая вершина и для f находим двух преемников:

f(h) = 2 + h(h) = 2;

f(i) = 3 + h(i) = 3;

f(f) = 2 +min {2,3} = 4;

f(c) = 3 + f(f) + f(g) = 8

f(a) = 0 + f(c) = 8.

Рисунок 29. Трассировка алгоритма. Шаг 6

Штриховой линией обведено активное дерево поиска. Заметим, что вершина h включена в разные деревья поиска и имеет разные f оценки: 6 и 2. f(c)≤8≤9, поэтому продолжаем расширять дерево с корнем в c. При попытке расширить h обнаруживаем целевую вершину и получаем дерево решения. Так как все h(u) ≡ 0, то оценка вершины а - f(a) есть стоимость дерева решения.

1.8.3. Некоторые свойства АО*-алгоритма

Обозначим стоимость минимального дерева решения, связывающего вершину u с терминальными вершинами.

Если для всех u, то эвристический поиск построит минимальное дерево решения. Это условие для эвристики h можно заменить другим - условием монотонности эвристики h.

Пусть у вершины u имеется несколько связок, одна связка состоит из k потомков u 1 ,…, u k . Если для каждой связки имеет место неравенство

где с(u,u i) - стоимость дуги от вершины u до потомка u i , h(u i) - эвристика вершины u i , и для каждой терминальной вершины t h(t)≡0. Это условие аналогично условию монотонности для обычного графа пространства состояний:

Т.е. эвристики вершин не меняются резко и согласованы со стоимостью дуг.

У каждого человека есть цель. У кого-то она мелкая, вроде покупки нового телефона или поездки на отдых. У других она крупнее: например, создать бизнес с оборотом миллион рублей в месяц или построить дом для семьи. Третьи же ориентируются на глобальную и практически недостижимую: стать президентом, решить проблему бедности в стране, установить мир во всем мире.

Что такое «цель», как достигнуть цели?

Очень часто человек путает понятия «цель» и «мечта». Они хоть и схожи между собой, но сильно отличаются по смыслу.

Мечта – это гипотетический предмет или явление, по достижению которого человек будет, как он полагает, ощущать счастье.

Цель – это идеальный или реальный предмет стремления человека, на достижение которого направлен мыслительный процесс и действия человека.

Разница этих понятий состоит в том, что «цель» измерима и создает направленность – вектор, достижение цели. Она обладает направлением движения, а мечта просто существует. Мечта радует сознание своим наличием, но цель имеет вполне реальные рамки, а самое главное – для ее достижения можно составить пошаговый план. Как говорится: «Цель − это мечта с определенным сроком исполнения» .

Более полно принципы установки и достижения целей мы прорабатываем в проекте « ». Подключайтесь и достигайте своих целей проще и быстрее!

Большинство людей слишком упрощают постановку целей. Подумали о ней, и хватит. Но ее постановка и достижение цели неразрывно связаны. Чем точнее она поставлена, тем проще ее достичь.

Существует несколько методик ее постановки, все они похожи между собой как братья. Но наиболее распространенной является система S.M.A.R.T. При постановке цели, необходимо учесть 5 основных составляющих, которые позволяют максимально конкретизировать ее, сделав шаги по ее достижению понятными и последовательными.

Система постановки цели S.M.A.R.T.:

• Specific – конкретность. Определить потребность в цели – слишком размытое восприятие. Необходимо докопаться до настоящих причин, почему вы желаете достичь именно этой цели. Может, вы хотите добиться уважения в глазах окружающих или самоутвердиться. Причин может быть множество. Но только после того, как вы поймете истинные причины своих желаний, можно будет построить реальный план ее достижения.
• Measurable – измеримость. Необходим четкий критерий, по которому можно будет определить, что цель выполнена. К примеру: «Заработать 100 000 долларов за 12 месяцев» или «Создать интернет-магазин с количеством посетителей 500 и продажами 5 единиц товара в день».
• Agreed – согласованность. Ваша цель не должна прямо пересекаться и затрагивать интересы других людей. Это может значительно усложнить достижения цели. Если избежать пересечения интересов невозможно, необходимо усовершенствовать изначальный план с учетов этих нюансов. К примеру, перед открытием собственного магазина необходимо проверить, есть ли в округе конкуренты, и если есть – как их можно обойти.
• Realistic - реалистичность. Большие амбиции – это одна из важных черт и многие называют это « », но важно понимать что они (амбиции) должны быть сбалансированы. Естественно, цель «заработать миллион долларов за неделю с нуля» выполнить невозможно, сколько бы сил и энтузиазма ни было. «Заработать 10 000 долларов с нуля за месяц» достаточно сложно, но возможно. А вот «За 2 года создать бизнес, который приносит 10 000 долларов месячной прибыли» – вполне реальная и достижимая.
• Timed – ограниченная по времени. Дэдлайн – очень важный метод достижения цели. Именно ограниченность во времени позволят .

Только после полной ее проработки по данным пяти критериям можно и нужно создавать план ее выполнения и разбивать на конкретные задачи.

Теперь несколько важных моментов. Не стоит путать «цель» и «задачу». Задача – это конкретное действие, выполнение которого приближает нас к выполнению цели. К примеру, «Создать бизнес-план интернет-магазина» - это задача. А «Обеспечить стабильный месячный доход в 10 000 долларов для своей семьи» - это цель.

Также стоит четко определить, что нужно на самом деле. Покупка автомобиля за определенный срок – это цель. Желание обеспечить комфортное перемещение в городе – это больше похоже на задачу или пожелание.

ВАЖНО!

Определите, что вы действительно хотите. Многие цели могут быть навязаны обществом, поэтому стоит разобраться в своих желаниях. Нужно хорошенько подумать, и если вы действительно хотите ее достигнуть – тогда вперед! Если она соответствует вашим глубинным ценностям и желаниям автоматически .

Вопрос 1. определение и классификации целей

Цели - исходный и конечный пункт менеджера. Цели рассматриваются в цепочке триединого уровня: цели общества, цели организации, цели работников и составляющих этой организации.

Основное назначение менеджмента - поддержание сбалансированности и определенной пропорции между этими уровнями целей.

Часто отождествляют цели и результаты. Это неверно. Получив даже отличный результат, мы можем не достигнуть при этом исходной цели, т.к. от не соотносится с целью

Цель – желательное идеальное состояние, которого мы хотим достигнуть. Она отвечает описанию будущего объекта менеджмента. Цели рассматриваются с 1 стороны, как объективная данность, с другой – цели всегда субъективны (относительно субъективны), потому что они ставятся людьми и проходят ч/з его мозг.

Факт – образ, затем ставится цель и возникает новый образ. Получается бесконечная цепочка постановки и корректировки целей.

Цель – продукт сознания человека.

Академическое определение цели – один из элементов поведения и сознательной Дти человека, характеризуемый предвосхищением результата, а также пути его достижения при помощи определенных средств.

Целью иногда называют определенное соотношение меж субъектом и объектом управления. Переход от цели к результату не является обязательным, он обязательно опосредован, т.е. нам необходимо принимать усилия для воплощения нашей цели

Эвристика

Прагматика

Цель несколько субъективна, а средства вообще субъективны. Но разделить их очень сложно, т.к. цель 1 мероприятия (человека) – средства для другого мероприятия (человека)

Проблема – разница между ситуацией и той целью, которой необходимо достигнуть

Ситуация – набор условий, в котором мы находимся. Потом мы ставим цель и пока не знаем, какими способами будем ее достигать.

Проблема возникает только тогда, когда ставится цель.

Проблемная ситуация – когда цель точно не определена, а с другой стороны способы и средства достижения тоже размыты.

Общая цель, которая объединяет множество целей организации.

Интеграл цели

Удовлетворение потребностей членов общества в Товарах и Услугах

Мотивация работников команды

В узком смысле – деловое предназначение фирмы. В широком – философия фирмы, политика фирмы на рынке, интересы различных групп, которые окружают компанию.

Средства достижения цели:

Краткосрочные – оперативные

Среднесрочные – тактика

Долгосрочные – стратегия.

Цели бывают индивидуальные и организационные.

С 1 стороны мы должны достигнуть целей организации, с другой стороны индивидуальных (самые реалистичные, сущ. в объективном мире). Организационные цели более субъективны.

Функции цели

1. Определяют существование организации

2. Являются результатом поведения работников,

3. Побуждают работников брать определенные обязательства

4. Являются главным мотиватором поведения людей.

5. Уменьшают неопределенность деятельности работников

6. Позволяют адаптироваться к окружающей среде.

7. Являются критерием и стандартом для оценки работы членов организации и представляют собой основу для ее эффективного функционирования и развития.

На низшем уровне менеджмента 25% долгосрочных, 70% краткосрочных

На среднем уровне 50 на 50

На верхнем порядка 75% - стратегические цели

Типы организационных целей:

Официальные цели –абстрактны и идеалистичны, прописываются в уставе организации, направлены во внешнюю среду.

Тактические цели - реальные повседневные цели, которые ежедневно достигаются в организации или в некоторой среднесрочной перспективе.

Операционные – формализованы, выражены в конкретных показателях. Это атрибут низшего менеджмента.

Требования к целям:

1. Реалистичны

2. Объективно обоснованные

3. Понятны. По мере продвижения сверху вниз они должны приобретать все более формализованный характер.

4. Должны быть определены сроки

5. Должна быть мотивированность целей.

6. Они должны быть совместимы (не должно быть противоречий)

7. Должна быть возможность корректировки

8. Цели должны обладать обратной связью

9. Они должны быть реально связаны с системой стимулирования

Большое значение имеет сам процесс установления целей в организации. Очень многое зависит от типа руководителя. Если раньше они разрабатывались и доводились сверху вниз, то теперь это работает не всегда. Участие подчиненных в установке самих целей получает большее значение. Т.е. к разработке привлекаются непрофессионалы.