搜索的演算法有什麼

㈠ 請問什麼是搜索演算法

搜索演算法是利用計算機的高性能來有目的的窮舉一個問題的部分或所有的可能情況，從而求出問題的解
的一種方法。搜索過程實際上是根據初始條件和擴展規則構造一棵解答樹並尋找符合目標狀態的節點的過程。
所有的搜索演算法從其最終的演算法實現上來看，都可以劃分成兩個部分——控制結構和產生系統，而所有的算
法的優化和改進主要都是通過修改其控制結構來完成的。

㈡ 搜索引擎演算法都有哪些

這個的話一般來說都不是很清楚，
但如果是一些大體的演算法 如下： 谷歌PR值演算法：（1-d）+d/(pr（t）/pr（y）+……pr（tn）/pr（yn）+……)
D代表0.85 而pr（t）是指友情鏈接的對方網站的PR值 pr（y）是指友情鏈接的對方網站的導出友情鏈接的數量

㈢ 什麼是A搜索演算法

A*搜索演算法，俗稱A星演算法，作為啟發式搜索演算法中的一種，這是一種在圖形平面上，有多個節點的路徑，求出最低通過成本的演算法。常用於游戲中的NPC的移動計算，或線上游戲的BOT的移動計算上。該演算法像Dijkstra演算法一樣，可以找到一條最短路徑；也像BFS一樣，進行啟發式的搜索。

㈣ 二分搜索演算法是利用什麼實現的演算法

二分搜索演算法是利用排除剩餘元素中一半的元素實現的演算法。

在計算機科學中，二分搜索（英語：binary search），也稱折半搜索（英語：half-interval search）、對數搜索（英語：logarithmic search），是一種在有序數組中查找某一特定元素的搜索演算法。

二分搜索演算法原理：

1、如果待查序列為空，那麼就返回－1，並退出演算法；這表示查找不到目標元素。如果待查序列不為空，則將它的中間元素與要查找的目標元素進行匹配，看它們是否相等。如果相等，則返回該中間元素的索引，並退出演算法；此時就查找成功了。如果不相等，就再比較這兩個元素的大小。

2、如果該中間元素大於目標元素，那麼就將當前序列的前半部分作為新的待查序列；這是因為後半部分的所有元素都大於目標元素，它們全都被排除了。

3、如果該中間元素小於目標元素，那麼就將當前序列的後半部分作為新的待查序列；這是因為前半部分的所有元素都小於目標元素，它們全都被排除了。

㈤ 搜索引擎核心演算法是什麼

搜索引擎核心演算法是獲得網站網頁資料，建立資料庫並提供查詢的系統。

索引擎的資料庫是依靠一個叫「網路機器人（crawlers）」或叫「網路蜘蛛（Spider）」的軟體，它通過網路上的各種鏈接自動獲取大量的網頁信息內容，並按照一定的規則進行分析和組織。谷歌和網路是典型的搜索引擎系統。

為了更好地服務於web搜索，搜索引擎分析和排序規則也就是說，搜索引擎演算法正在發生變化。由於互聯網上無數的網站頁面，搜索引擎蜘蛛無法將所有網頁下載並保存到伺服器上。

因此，許多搜索引擎蜘蛛只抓取那些重要的頁面，而評估爬行重要性的主要依據是鏈接寬度（以及外部鏈接的數量和質量）。

(5)搜索的演算法有什麼擴展閱讀：

搜索引擎核心演算法的優化：

1、在搜索前，根據條件降低搜索規模。

2、廣度優先搜索中，被處理過的節點，充分釋放空間。

3、給據問題的約束條件進行剪枝。

4、利用回溯演算法進行優化：回溯和深度優先是相似的，區別在於當一個節點被擴展時，不是所有的子節點都被擴展，而是只有一個子節點被擴展。所以它是盲的，但佔用的內存更少。

㈥ 幾種常見的查找演算法之比較

二分法平均查找效率是O(logn)，但是需要數組是排序的。如果沒有排過序，就只好先用O（nlogn)的預處理為它排個序了。而且它的插入比較困難，經常需要移動整個數組，所以動態的情況下比較慢。

哈希查找理想的插入和查找效率是O(1)，但條件是需要找到一個良好的散列函數，使得分配較為平均。另外，哈希表需要較大的空間，至少要比O(n)大幾倍，否則產生沖突的概率很高。

二叉排序樹查找也是O(logn)的，關鍵是插入值時需要做一些處理使得它較為平衡（否則容易出現輕重的不平衡，查找效率最壞會降到O(n)），而且寫起來稍微麻煩一些，具體的演算法你可以隨便找一本介紹數據結構的書看看。當然，如果你用的是c語言，直接利用它的庫類型map、multimap就可以了,它是用紅黑樹實現的，理論上插入、查找時間都是O(logn)，很方便，不過一般會比自己實現的二叉平衡樹稍微慢一些。

㈦ 搜索演算法的主要分類

如演算法名稱那樣，深度優先搜索所遵循的搜索策略是盡可能「深」地搜索樹。它的基本思想是：為了求得問題的解，先選擇某一種可能情況向前（子結點）探索，在探索過程中，一旦發現原來的選擇不符合要求，就回溯至父親結點重新選擇另一結點，繼續向前探索，如此反復進行，直至求得最優解。深度優先搜索的實現方式可以採用遞歸或者棧來實現。
由此可見，把通常問題轉化為樹的問題是至關重要的一步，完成了樹的轉換基本完成了問題求解。
1、優化思想
減少所遍歷的狀態總數
2、三種方法
(1)減少節點數
思想：盡可能減少生成的節點數
(2)定製回溯邊界
思想：定製回溯邊界條件，剪掉不可能得到最優解的子樹
在很多情況下，我們已經找到了一組比較好的解。但是計算機仍然會義無返顧地去搜索比它更「劣」的其他解，搜索到後也只能回溯。為了避免出現這種情況，我們需要靈活地去定製回溯搜索的邊界。
在深度優先搜索的過程當中，往往有很多走不通的「死路」。假如我們把這些「死路」排除在外，不是可以節省很多的時間嗎？打一個比方，前面有一個路徑，別人已經提示：「這是死路，肯定不通」，而你的程序仍然很「執著」地要繼續朝這個方向走，走到頭來才發現，別人的提示是正確的。這樣，浪費了很多的時間。針對這種情況，我們可以把「死路」給標記一下不走，就可以得到更高的搜索效率。
(3)記憶化
思想：運用記憶化的方法，使得一些遍歷過的子樹不要重復遍歷
3、三個原則
(1)正確性：剪去的「枝條」不包含最優答案；
我們知道，剪枝方法之所以能夠優化程序的執行效率，正如前文所述，是因為它能夠「剪去」搜索樹中的一些「枝條」。然而，如果在剪枝的時候，將「長有」我們所需要的解的枝條也剪掉了，那麼，一切優化也就都失去了意義。所以，對剪枝的第一個要求就是正確性，即必須保證不丟失正確的結果，這是剪枝優化的前提。
為了滿足這個原則，我們就應當利用「必要條件」來進行剪枝判斷。也就是說，通過解所必須具備的特徵、必須滿足的條件等方面來考察待判斷的枝條能否被剪枝。這樣，就可以保證所剪掉的枝條一定不是正解所在的枝條。當然，由必要條件的定義，我們知道，沒有被剪枝不意味著一定可以得到正解（否則，也就不必搜索了）。
(2)准確性：在保證第一條原則的情況下，盡可能的剪去更多不包含最優答案的枝條；
在保證了正確性的基礎上，對剪枝判斷的第二個要求就是准確性，即能夠盡可能多的剪去不能通向正解的枝條。剪枝方法只有在具有了較高的准確性的時候，才能真正收到優化的效果。因此，准確性可以說是剪枝優化的生命。
當然，為了提高剪枝判斷的准確性，我們就必須對題目的特點進行全面而細致的分析，力求發現題目的本質，從而設計出優秀的剪枝判斷方案。
(3)高效性：通過剪枝要能夠更快的接近到達最優解。
一般說來，設計好剪枝判斷方法之後，我們對搜索樹的每個枝條都要執行一次判斷操作。然而，由於是利用出解的「必要條件」進行判斷，所以，必然有很多不含正解的枝條沒有被剪枝。這些情況下的剪枝判斷操作，對於程序的效率的提高無疑是具有副作用的。為了盡量減少剪枝判斷的副作用，我們除了要下功夫改善判斷的准確性外，經常還需要提高判斷操作本身的時間效率。
然而這就帶來了一個矛盾：我們為了加強優化的效果，就必須提高剪枝判斷的准確性，因此，常常不得不提高判斷操作的復雜度，也就同時降低了剪枝判斷的時間效率；但是，如果剪枝判斷的時間消耗過多，就有可能減小、甚至完全抵消提高判斷准確性所能帶來的優化效果，這恐怕也是得不償失。很多情況下，能否較好的解決這個矛盾，往往成為搜索演算法優化的關鍵。 類似樹的按層遍歷，其過程為：首先訪問初始點Vi，並將其標記為已訪問過，接著訪問Vi的所有未被訪問過可到達的鄰接點Vi1、Vi2……Vit，並均標記為已訪問過，然後再按照Vi1、Vi2……Vit的次序，訪問每一個頂點的所有未被訪問過的鄰接點，並均標記為已訪問過，依此類推，直到圖中所有和初始點Vi有路徑相通的頂點都被訪問過為止。
處理和優化
對於狀態數很多時，廣度優先搜索可以採用循環隊列或動態鏈表來處理。
主要區別 遍歷方式 深度優先搜索遍歷 廣度優先搜索遍歷 所用數據結構 棧 隊列 一般優化 最優性剪枝
可行性剪枝 Hash判重
雙向搜索

㈧ 概率搜索演算法有哪些，除了遺傳演算法和蟻群

遺傳演算法(Genetic Algorithm，GA)是由Holland J．H．於20世紀70年代提出的一種優化方法，其最優解的搜索過程模擬達爾文的進化論和「適者生存」的思想。

蟻群演算法(Ant Colony Optimization, ACO)，是一種用來在圖中尋找優化路徑的機率型演算法。

兩種演算法從概念上都屬於隨機優化演算法，遺傳演算法是進化演算法，主要通過選擇、變異和交叉運算元，其中每個基因是由二進制串組成；蟻群演算法是基於圖論的演算法，通過信息素選擇交換信息。

㈨ 百度搜索引擎都有哪些演算法

網路搜索引擎演算法：綠蘿演算法、綠蘿演算法2.0、石榴演算法、原創星火計劃、冰桶演算法、白楊演算法、谷歌熊貓演算法、輕舟演算法、谷歌企鵝演算法

㈩ 搜索引擎的排序演算法都有哪些是怎麼實現的

搜索引擎的排序演算法：

詞頻統計——詞位置加權的搜索引擎

關鍵詞在文檔中詞頻越高，出現的位置越重要，則被認為和檢索詞的相關性越好。

1）詞頻統計

2）詞位置加權

2.2基於鏈接分析排序的第二代搜索引擎

1）PageRank演算法

PageRank演算法的基本思想是：頁面的重要程度用PageRank值來衡量，PageRank值主要體現在兩個方面：引用該頁面的頁面個數和引用該頁面的頁面重要程度。
其計算公式為：
PR（A）：頁面A的PageRank值；
d：阻尼系數，由於某些頁面沒有入鏈接或者出鏈接，無法計算PageRank值，為避免這個問題（即LinkSink問題），而提出的。阻尼系數常指定為0.85。
R（Pi）：頁面Pi的PageRank值；
C（Pi）：頁面鏈出的鏈接數量；

2）Topic-Sensitive PageRank演算法

3）HillTop演算法
HillTop演算法通過不同等級的評分確保了評價結果對關鍵詞的相關性，通過不同位置的評分確保了主題（行業）的相關性，通過可區分短語數防止了關鍵詞的堆砌。

4）HITS

HITS演算法只計算主特徵向量，處理不好主題漂移問題；其次，進行窄主題查詢時，可能產生主題泛化問題；因此可據LIngmao了解看待，找尋適合的演算法