🤖

Алгоритми та AI

Роїстий інтелект та алгоритми оптимізації натхнені природою. Складна поведінка без центрального управління — лише локальні правила.

10+ симуляцій Three.js · Canvas 2D Swarm · ACO · Reynolds

Симуляції категорії

Відкрийте симуляцію — вона запуститься просто у браузері

Емерджентна поведінка — системні властивості, що виникають зі взаємодії простих агентів і не закладені явно у жодного з них. Мурашина стежка, пташиний косяк — жоден індивід не «знає» про загальний результат.

🐦
Популярне ★★☆ Середнє
Boids — Роїстий Інтелект
Алгоритм Крейга Рейнольдса 1987 р.: три правила — відокремлення, вирівнювання, зближення. 5000+ агентів у 3D, InstancedMesh, 60fps.
Three.js Reynolds InstancedMesh Swarm AI
🐜
★☆☆ Легке
Мурашина Колонія (ACO)
Алгоритм оптимізації мурашиною колонією (Dorigo, 1992): феромонові стежки, стигмергія, самоорганізоване знаходження найкоротшого шляху.
Canvas 2D ACO Stigmergy Pheromones
🗺️
Нове ★★☆ Середнє
Пошук шляху — A*, Dijkstra, BFS
Малюй стіни, генеруй лабіринти і спостерігай, як A*, Dijkstra, Greedy Best-First та BFS досліджують сітку крок за кроком.
Canvas 2D A* Dijkstra BFS
📊
Нове ★★☆ Середнє
Алгоритми сортування — Візуал та Звук
12 алгоритмів анімовані як стовпчасті діаграми з Web Audio тонами. Порівняй Bubble, Quick, Merge, Heap — почуй кожне порівняння.
Canvas 2D Web Audio Сортування Алгоритми
🏗️
Нове ★★☆ Середнє
Генератор лабіринтів
Чотири алгоритми — DFS Backtracker, Prim, Kruskal та Wilson — анімовані у реальному часі. Потім розв'яжи лабіринт через BFS.
Canvas 2D DFS Kruskal Wilson
🤝
Нове ★★★ Складне
Задача комівояжера (TSP)
Три алгоритми на одних і тих само містах: жадібний Nearest Neighbour, локальний 2-opt та відпал Simulated Annealing. Тягай міста!
Canvas 2D 2-opt Simulated Annealing Оптимізація
🧬
Нове ★★☆ Середнє
Генетичний алгоритм
Спостерігай, як популяція еволюціонує через відбір, схрещування та мутацію. Два режими: класична еволюція рядків та 2D оптимізація Растрігіна.
Canvas 2D Генетика Еволюція Оптимізація
🐜
★☆☆ Легке
Мураха Лангтона
Двовимірна машина Тюрінга, яка створює складні емерджентні патерни з двох простих правил. Кілька мурах, нестандартні набори правил та колірні режими розкривають приховану структуру хаосу.
Клітинний автомат Емерджентність Canvas 2D
🌲
Нове ★★☆ Середнє
Мінімальне Покривне Дерево
Візуалізуй алгоритми Крускала та Прима на зважених графах. Спостерігай, як ребра додаються по порядку і дерево зростає.
Теорія графів Kruskal Prim Canvas 2D
🕸️
Нове ★★☆ Середнє
Граф з Силовим Розміщенням
Розмітка мережевого графа за допомогою пружинних сил і зарядного відштовхування. Перетягуй вузли, імпортуй JSON-графи та спостерігай, як виникає структура спільнот.
Граф Фізичне розміщення Canvas 2D
🌳
Нове ★★☆ Середнє
Дерево Рішень
Інтерактивний конструктор та класифікатор дерев рішень. Спостерігай, як ентропія, інформаційне надходження та нечистота Джині скеровують розщеплення. Візуалізуй межі класифікації.
Машинне навчання Ентропія Canvas 2D
🧠
Нове ★★★ Складне
Самоорганізаційна Карта (SOM)
Карта Когонена навчається представляти багатовимірні дані на 2D-сітці. Спостерігай, як нейрони мігрують, щоб охопити простір вхідних даних у процесі навчання.
Нейронна мережа Kohonen Unsupervised Canvas 2D
♛
Нове ★★☆ Середнє
Задача N Ферзів
Дивіться, як зворотний перебір розставляє ферзів на дошці N×N. Усі конфлікти та знайдені рішення — в реальному часі. Розмір дошки 4–12.
Зворотний перебір Комбінаторика Шаховий пазл
🖥️
Нове ★★☆ Середнє
Машина Тюрінга
Анімована стрічка з головкою, таблицею переходів і п'ятьма програмами — двійкове збільшення, унарне додавання, перевірка паліндрому, копіювання та 3-становий Зайнятий Бобер.
Обчислюваність Тюрінг Зайнятий Бобер
Стаття Генетичні алгоритми Відбір, кросовер, мутація. Задача комівояжера. Еволюційне навчання нейромереж. →
Всі матеріали →

Ключові Концепції

Теми та алгоритми, які ви досліджуєте в цій категорії

A* Пошук шляхуОптимальний пошук у графі на основі евристики
Генетичні АлгоритмиЕволюційна оптимізація: відбір, схрещування, мутація
Нейронні МережіПряме поширення та зворотне поширення помилки
Алгоритми СортуванняБульбашка, злиття, швидке, купа — візуалізація
ЗКВ / КомбінаторикаNP-важка оптимізація маршруту
Boids / КеруванняПоведінка, що виникає з локальних правил агента

Часті Запитання

Поширені запитання про цю категорію симуляцій

Як A* знаходить найкоротший шлях?
A* поєднує вартість до поточного вузла (g) з евристичною оцінкою відстані до мети (h). Черга пріоритетів завжди розширює вузол з найменшим f = g + h. З допустимою евристикою A* гарантовано знаходить оптимальний шлях.
Що симулює задача комівояжера?
Симуляція ЗКВ візуалізує мета-евристики — найближчий сусід, покращення 2-opt та оптимізацію мурашиними колоніями — для класичної NP-важкої задачі найкоротшого туру.
Як нейронна мережа навчається?
Мережа навчається стохастичним градієнтним спуском і зворотним поширенням помилки. Ви можете спостерігати, як ваги оновлюються в реальному часі під час навчання XOR або класифікації спіралі.

Про Симуляції Алгоритмів та ШІ

Пошук шляхів, сортування, нейронні мережі та пошук — візуалізовані

Симуляції алгоритмів та ШІ візуалізують покрокове виконання найважливіших методів інформатики. Спостерігайте, як A* та Дейкстра досліджують лабіринт і порівнюють знайдені шляхи; як генетичний алгоритм еволюціонує розв’язки задачі комівояжера покоління за поколінням.

Візуалізація алгоритмів робить абстрактну складність відчутною. Можна призупинити відтворення, змінити евристичні ваги, топологію лабіринту або швидкість мутацій і одразу побачити, як змінюється продуктивність. Це не іграшкові приклади — та сама евристика A* направляє персонажів у AAA-іграх.

Візуалізації алгоритмів — один з найефективніших навчальних інструментів в інформатиці. Спостереження за тим, як A* розширює вузли на сітці, або порівняння бульбашкового та злиттям сортувань формує інтуїцію щодо алгоритмічної складності.

Інші категорії