F 0(n) = g(n) + w × H (n), instead

F 0(n) = g(n) + w × H (n), instead of expanding nodes on the virtual frontier in order of the evaluation function f 0(n) = g(n) + w × h(n). Since F 0(n) = g(n) + w × H (n) improves
during the search, it is not a static evaluation function, and this is another reason for using the name WRBFS. Note that when w = 1, as in unweighted RBFS, there is no difference in the behavior of these two algorithms; expanding nodes in best-first order of their evaluation on the stack frontier is equivalent to expanding nodes in best-first order of their evaluation on the virtual frontier. There is only a difference when one considers whether to apply a weight greater than 1 to the heuristic on the stack frontier or the virtual frontier.
Figure 4 compares the performance of these two approaches to Weighted RBFS in solving Korf ’s (1985) 100 random instances of the Fifteen Puzzle. Figure 4(a) shows the average length of the solutions found by each algorithm, using weights ranging from 1.0 to 5.0 in increments of 0.1. WRBFS finds better-quality solutions than RBFS using a weighted evaluation function and the same weight, and the difference increases with the weight. But since WRBFS can also take longer to find a solution, we consider the time-quality tradeoff offered by each algorithm. Figure 4(b), which is similar to Figure 10 in the article by Korf (1993), plots solution length versus time (measured by the number of recursive calls) in solving the same Fifteen Puzzle examples, using solution lengths ranging from 53 to 85 for both algorithms. The time-quality tradeoff offered by the two algorithms is similar, with a modest advantage for WRBFS. What is striking is that WRBFS offers a smooth time- quality tradeoff, whereas the tradeoff offered by RBFS using a weighted evaluation function is irregular. Sometimes, increasing the weight used by RBFS causes it to take longer to find a solution, instead of less time. A dramatic example is that increasing the weight from 1.0 to 1.1 causes RBFS with a weighted evaluation function to take three times longer to find a (potentially suboptimal) solution than unweighted RBFS takes to find an optimal solution.
Korf (1993) gives the reason for this irregular time-quality tradeoff. The node regener- ation overhead of RBFS grows with the number of iterations of the algorithm, which is the number of times the local cost threshold increases, since each iteration requires regeneration of subtrees. There is one iteration for each distinct f -cost, or, in the case of RBFS using a

Kết quả (Việt) 1:

F 0 (n) = g (n) + w x H (n) thay vì mở rộng các nút vào biên giới ảo, và thứ tự đánh giá hàm f từ 0 đến (n) = g (n) + w x h (n). Kể từ khi F 0 (n) = g (n) + w x H (n) cải thiệntrong tìm kiếm, nó không phải là một chức năng tĩnh đánh giá, và điều này là một lý do cho việc sử dụng tên WRBFS. Lưu ý rằng khi w = 1, ACE, và unweighted RBFS, có là không có sự khác biệt trong hành vi của các thuật toán hai; mở rộng các nút và tốt nhất-đầu tiên thứ tự của họ đánh giá trên ngăn xếp tương đương với điều này mở rộng biên giới nút và tốt nhất-đầu tiên thứ tự của họ đánh giá trên biên giới ảo. Đó là chỉ là một sự khác biệt khi ta xem xét cho dù nó áp dụng một lượng lớn hơn 1 mà heuristic trên chồng biên giới hoặc biên giới ảo.Hình 4 so sánh hiệu suất của các phương pháp tiếp cận hai đó trọng RBFS và giải quyết của Korf (1985) 100 trường hợp ngẫu nhiên của mười lăm câu đố. Hình 4 (a) cho thấy chiều dài trung bình của các giải pháp tìm thấy mỗi thuật toán, bằng cách sử dụng trọng lượng khác nhau, từ 1,0 mà 5.0 và từng bước của 0,1. WRBFS tìm thấy một giải pháp tốt hơn chất lượng hơn RBFS bằng cách sử dụng một chức năng trọng đánh giá và cùng một trọng lượng, và sự khác biệt với trọng lượng tăng. Tuy nhiên, kể từ khi WRBFS cũng có thể mất nhiều thời gian để tìm một giải pháp, chúng tôi xem xét sự cân bằng thời gian chất lượng được cung cấp bởi mỗi thuật toán. Hình 4 (b), mà là tương tự như này hình 10 trong bài viết của Korf (1993), lô giải pháp chiều dài so với thời gian (đo bằng số lượng cuộc gọi đệ quy) và giải quyết các cùng mười lăm câu đố ví dụ, bằng cách sử dụng độ dài khác nhau, từ 53 giải pháp này 85 cho cả hai thuật toán. Sự cân bằng thời gian chất lượng được cung cấp bởi các thuật toán hai là giống nhau, với một lợi thế khiêm tốn cho WRBFS. Điều gì là nổi bật là WRBFS cung cấp một sự cân bằng thời gian chất lượng mịn, trong khi cân bằng được cung cấp bởi RBFS bằng cách sử dụng một chức năng trọng đánh giá là bất thường. Đôi khi, tăng trọng lượng được sử dụng bởi RBFS nguyên nhân nó mất nhiều thời gian để tìm một giải pháp, thay vì ít thời gian hơn. Một ví dụ đáng kể là tăng trọng lượng từ 1,0 rằng nguyên nhân cách 1.1 RBFS với một chức năng đánh giá trọng đã ba lần nhiều thời gian để tìm một giải pháp (có khả năng suboptimal) hơn unweighted RBFS cần để tìm một giải pháp tối ưu.KORF (1993) cho lý do cho sự cân bằng chất lượng thời gian không đều. Nút có thể tái tạo the tin của RBFS chi phí phát triển với số lặp đi lặp lại của thuật toán là số lần ngưỡng địa phương chi phí tăng lên, kể từ khi lặp đi lặp lại mỗi yêu cầu tái sinh của subtrees. Có là một lặp đi lặp lại cho mỗi f riêng biệt, chi phí, hoặc, trong trường hợp của RBFS bằng cách sử dụng một

Kết quả (Việt) 2:

F 0 (n) = g (n) + w × H (n), thay vì mở rộng các nút trên biên giới ảo và thứ tự của các chức năng đánh giá f 0 (n) = g (n) + w × h (n). Kể từ khi F 0 (n) = g (n) + W × H (n) Cải thiện
Trong việc tìm kiếm, nó không phải là một chức năng thẩm định tĩnh, và đây là một lý do khác để sử dụng WRBFS tên. Lưu ý Đó Khi w = 1, và như RBFS giản, không có sự khác biệt và hành vi của Hai thuật toán; Mở rộng các nút và trật tự nhất đầu tiên đánh giá của họ trên stack biên giới là tương đương với việc mở rộng các nút và trật tự nhất đầu tiên đánh giá của họ về biên giới ảo. Chỉ có một sự khác biệt khi người ta xem xét xem có nên áp dụng một trọng lượng lớn hơn 1 để heuristic trên stack biên giới hoặc biên giới ảo.
Hình 4 so sánh hiệu suất của hai cách tiếp cận để RBFS trọng và giải quyết Korf 's (1985) 100 ngẫu nhiên trường hợp của Fifteen Puzzle. Hình 4 (a) Cho thấy trung bình chiều dài của giải pháp được tìm thấy bởi Mỗi thuật toán, sử dụng trọng lượng khác nhau, 1,0-5,0 gia số 0,1. WRBFS Finds giải pháp chất lượng tốt hơn so với RBFS sử dụng một chức năng đánh giá trọng số và cùng một trọng lượng, và sự khác tăng theo trọng lượng. Nhưng kể từ khi WRBFS thể cũng như thời gian để tìm một giải pháp, chúng ta xem xét sự cân bằng thời gian chất lượng Cung cấp bởi Mỗi thuật toán. Hình 4 (b) Những giống hình 10 và các bài báo của Korf (1993), chiều dài giải pháp lô so với thời gian (tính bằng số lượng các cuộc gọi đệ quy) và giải quyết cùng Fifteen Puzzle ví dụ, bằng cách sử dụng giải pháp với độ dài khác nhau, từ 53 đến 85 cho cả hai thuật toán. Sự cân bằng thời gian chất lượng được cung cấp bởi hai thuật toán tương tự, với một lợi thế khiêm tốn cho WRBFS. Điểm nổi bật WRBFS đó cung cấp một sự cân bằng chất lượng Thời hiệu mịn là, sự cân bằng diễn xuất Cung cấp bởi RBFS sử dụng một chức năng đánh giá trọng là không thường xuyên. Đôi khi, Tăng trọng lượng được sử dụng bởi RBFS Nguyên nhân mất nhiều thời gian để tìm một giải pháp, thay vì thời gian ít hơn. Một ví dụ ấn tượng là Điều đó Tăng trọng lượng 1,0-1,1 Nguyên nhân RBFS với một chức năng đánh giá trọng mất còn ba lần để tìm một (có khả năng tối ưu), giải pháp hơn RBFS không trọng số cần để tìm một giải pháp tối ưu.
Korf (1993) Cung cấp cho các lý do cân bằng thời gian chất lượng không đều này. Các nút Regeners ation phí của RBFS Phát triển với số lần lặp của thuật toán, nào là số lần các địa phương ngưỡng chi phí tăng lên, vì mỗi lần lặp đòi hỏi sự tái sinh của cây con. Có một lần lặp lại cho mỗi f -cost biệt, hoặc, và các trường hợp sử dụng một RBFS