Skip to content
New issue

Have a question about this project? Sign up for a free GitHub account to open an issue and contact its maintainers and the community.

Sign up for GitHub

By clicking “Sign up for GitHub”, you agree to our terms of service and privacy statement. We’ll occasionally send you account related emails.

Already on GitHub? Sign in to your account

Common Readme Korean Format #3533

Open
wants to merge 3 commits into
base: master
Choose a base branch
from
Open

Common Readme Korean Format #3533

Show file tree
Hide file tree
Changes from all commits
Commits
Show all changes
3 commits
Select commit Hold shift + click to select a range
2c7f9c2
Translated the Readme of Greedy From English to Korean
Sairam-K26 Mar 17, 2023
d6d821e
Translated the Readme of Greedy From English to Korean
Sairam-K26 Mar 17, 2023
a3571b5
Korean Common Greedy File
Sairam-K26 Mar 17, 2023
File filter

Filter by extension

Filter by extension
Conversations
Failed to load comments.
Loading
Jump to
Jump to file
Failed to load files.
Loading
Diff view
Diff view
13 changes: 12 additions & 1 deletion greedy/README.md
View file
Open in desktop
Original file line number Diff line number Diff line change
Expand Up @@ -8,7 +8,18 @@ Greedy algorithms work by recursively constructing a set of objects from the sma

Greedy algorithms are often used in ad hoc mobile networking to efficiently route packets with the fewest number of hops and the shortest delay possible. They are also used in machine learning, business intelligence (BI), artificial intelligence (AI) and programming.

#### Greedy Algorithm in Korean Version
탐욕스러운 알고리즘
탐욕스러운 알고리즘은 어떤 다음 단계가 가장 명백한 이점을 제공할지 결정함으로써 복잡한 다단계 문제에 대한 간단하고 구현하기 쉬운 해결책을 찾는 수학적 과정입니다.

이러한 알고리즘은 탐욕스럽다고 불립니다.왜냐하면 각각의 작은 인스턴스에 대한 최적의 솔루션은 즉각적인 출력을 제공하지만 알고리즘은 더 큰 문제를 전체적으로 고려하지 않기 때문입니다. 일단 결정이 내려지면,그것은 결코 재고되지 않습니다.

탐욕스러운 알고리즘은 가능한 가장 작은 구성 요소에서 객체 집합을 재귀적으로 구성하여 작동합니다. 재귀는 문제 해결에 대한 접근법으로 특정 문제에 대한 해결책은 동일한 문제의 작은 인스턴스에 대한 해결책에 달려 있습니다. 탐욕스러운 알고리즘을 사용하는 장점은 문제의 작은 인스턴스에 대한 해결책이 간단하고 이해하기 쉽다는 것입니다. 단점은 가장 최적의 단기적 해결책이 최악의 장기적 결과를 초래할 수 있다는 것입니다.

탐욕스러운 알고리즘은 종종 임시 모바일 네트워크에서 가장 적은 수의 홉과 가능한 가장 짧은 지연으로 패킷을 효율적으로 라우팅하는 데 사용됩니다. 또한 기계 학습,비즈니스 인텔리전스(비),인공 지능(인공 지능)및 프로그래밍에도 사용됩니다.
#### Examples
![](https://commons.wikimedia.org/wiki/File:Greedy-search-path-example.gif)

#### Further reading: [Wikipedia](https://en.wikipedia.org/wiki/Greedy_algorithm)
#### Further reading: [Wikipedia](https://en.wikipedia.org/wiki/Greedy_algorithm)

#### Greedy Algorithm in Korean Version
9 changes: 9 additions & 0 deletions greedy/Sairam-K26 About Greedy Algo in Korean
View file
Open in desktop
Original file line number Diff line number Diff line change
@@ -0,0 +1,9 @@
#### Greedy Algorithm in Korean Version
탐욕스러운 알고리즘
탐욕스러운 알고리즘은 어떤 다음 단계가 가장 명백한 이점을 제공할지 결정함으로써 복잡한 다단계 문제에 대한 간단하고 구현하기 쉬운 해결책을 찾는 수학적 과정입니다.

이러한 알고리즘은 탐욕스럽다고 불립니다.왜냐하면 각각의 작은 인스턴스에 대한 최적의 솔루션은 즉각적인 출력을 제공하지만 알고리즘은 더 큰 문제를 전체적으로 고려하지 않기 때문입니다. 일단 결정이 내려지면,그것은 결코 재고되지 않습니다.

탐욕스러운 알고리즘은 가능한 가장 작은 구성 요소에서 객체 집합을 재귀적으로 구성하여 작동합니다. 재귀는 문제 해결에 대한 접근법으로 특정 문제에 대한 해결책은 동일한 문제의 작은 인스턴스에 대한 해결책에 달려 있습니다. 탐욕스러운 알고리즘을 사용하는 장점은 문제의 작은 인스턴스에 대한 해결책이 간단하고 이해하기 쉽다는 것입니다. 단점은 가장 최적의 단기적 해결책이 최악의 장기적 결과를 초래할 수 있다는 것입니다.

탐욕스러운 알고리즘은 종종 임시 모바일 네트워크에서 가장 적은 수의 홉과 가능한 가장 짧은 지연으로 패킷을 효율적으로 라우팅하는 데 사용됩니다. 또한 기계 학습,비즈니스 인텔리전스(비),인공 지능(인공 지능)및 프로그래밍에도 사용됩니다.