and an Anytime Weighted RBFS algori

and an Anytime Weighted RBFS algorithm. Most importantly, the condition for termi- nation is different. After the anytime algorithm finds a solution, and each time it finds an improved solution, it saves (or outputs) the solution and continues the search. As in Anytime Weighted A*, the algorithm checks whether a node is a goal node when it is gen- erated, instead of waiting until it is expanded. It also checks whether the f -cost of a node is greater than or equal to an upper bound given by the f -cost of the incumbent solution. If so, this part of the search space is pruned. (Note that before the first solution is found, f (incumbent) should be set equal to infinity, since there is not yet a finite upper bound on the optimal solution cost.) Convergence to an optimal solution is detected when the stack is empty. At this point, backtracking has determined that all branches of the tree have been searched or pruned. Proof of termination with an optimal solution follows similar logic as for Theorem 1. The suboptimality of the currently available solution is bounded by using f (incumbent) as an upper bound on optimal solution cost and the least F -cost of any node on the stack frontier as a lower bound. (Again, the stack frontier consists of the node at the end of the current best path, plus every sibling of a node along this path.)
Figure 5(a) shows performance profiles for Anytime WRBFS, averaged over Korf ’s 100 random instances of the Fifteen Puzzle. Although weights of 2.0 and 1.5 offer a better time- quality tradeoff for short amounts of search time, a weight of 1.3 provides better long-term performance. Figure 5(b) shows the time (measured by the average number of recursive calls) taken by Anytime WRBFS to find optimal solutions for the Fifteen puzzle, using weights from 1.0 to 2.0 in increments of 0.1. Using weights from 1.2 to 1.4, it converges to an optimal solution more quickly than unweighted RBFS. In fact, using a weight of 1.3, Anytime WRBFS converges to an optimal solution after an average of 25% fewer recursive calls than unweighted RBFS. Although it always expands as many or more distinct nodes than unweighted RBFS, reliance on stack-based backtracking to reduce memory use means

Kết quả (Việt) 1:

và một thuật toán bất cứ lúc nào RBFS trọng. Quan trọng nhất, điều kiện cho termi nước là khác nhau. Sau khi các bất cứ lúc nào thuật toán tìm một giải pháp, và mỗi khi nó tìm thấy một giải pháp cải tiến, nó tiết kiệm (hoặc kết quả đầu ra) giải pháp và tiếp tục tìm kiếm. ACE và A trọng bất cứ lúc nào, các thuật toán kiểm tra cho dù một nút là một nút mục tiêu, khi đó là gen-erated, thay vì chờ đợi cho đến khi nó được mở rộng. Nó cũng kiểm tra xem f-chi phí của một nút là lớn hơn hoặc bằng với một ràng buộc được đưa ra bởi f-chi phí giải pháp đương nhiệm. Nếu họ đang có, đây là một phần của không gian tìm bớt. (Lưu ý rằng trước khi giải pháp đầu tiên được tìm thấy, f (đương nhiệm) nên được thiết lập bằng vô cực này, kể từ khi có không được một hữu hạn ràng buộc trên chi phí giải pháp tối ưu.) Hội tụ một giải pháp tối ưu được phát hiện khi ngăn xếp là sản phẩm nào. Tại thời điểm này, backtracking đã xác định rằng tất cả các chi nhánh của cây đã được tìm kiếm hoặc bớt. Bằng chứng về chấm dứt với một giải pháp tối ưu sau logic tương tự như đối với định lý 1. Suboptimality giải pháp hiện được bao bọc bằng cách sử dụng f (đương nhiệm) như là một ràng buộc vào chi phí giải pháp tối ưu và ít nhất là chi phí của bất kỳ nút trên biên giới ngăn xếp là một ràng buộc thấp hơn. (Một lần nữa, biên giới chồng bao gồm nút cuối con đường tốt nhất hiện nay, cộng với mỗi anh chị em của một nút dọc theo con đường này.)Hình 5 (a) cho thấy các cấu hình hoạt động cho bất cứ lúc nào, WRBFS nhiêt Korf của 100 trường hợp ngẫu nhiên của mười lăm câu đố. Mặc dù trọng lượng của 2.0 và 1.5 cung cấp một sự cân bằng thời gian chất lượng tốt hơn cho một lượng thời gian ngắn, nhưng trọng lượng tìm kiếm của 1,3 cung cấp hiệu suất tốt hơn dài hạn. Hình 5 (b) cho thấy thời gian (đo bằng số cuộc gọi đệ quy, Trung bình) thực hiện bởi WRBFS bất cứ lúc nào để tìm thấy các giải pháp tối ưu cho các mười lăm câu đố, sử dụng trọng lượng từ 1,0 mà 2.0 và từng bước của 0,1. Bằng cách sử dụng trọng lượng từ cách 0.7 1.4, mà nó hội tụ, mà một giải pháp tối ưu nhanh hơn so với unweighted RBFS. Trong thực tế, bằng cách sử dụng một trọng lượng của 1,3, bất cứ lúc nào một giải pháp tối ưu hội tụ WRBFS sau khi trung bình 25% ít hơn đệ quy gọi hơn unweighted RBFS. Mặc dù nó luôn luôn mở rộng như nút nhiều hoặc khác biệt so với unweighted RBFS, sự phụ thuộc vào ngăn xếp dựa trên backtracking mà làm giảm bộ nhớ sử dụng phương tiện

Kết quả (Việt) 2:

Bất cứ lúc nào và một Weighted RBFS thuật toán. Quan trọng nhất, các điều kiện để đất nước bị đầu cuối là khác nhau. Sau khi các thuật toán bất cứ lúc nào Finds một giải pháp, và mỗi lần nó Finds một giải pháp cải tiến, nó Tiết kiệm (hoặc kết quả đầu ra) và các giải pháp tiếp tục tìm kiếm. Bất cứ lúc nào Weighted As và A *, các thuật toán Kiểm tra liệu một nút là một nút mục tiêu Khi nó là quát erated, thay vì chờ đợi cho đến khi nó được mở rộng. Nó cũng Kiểm tra xem f -cost của một nút là lớn hơn hoặc bằng một ràng buộc trên được đưa ra bởi f -cost của giải pháp đương nhiệm. Nếu họ đang có, điều này một phần của không gian tìm kiếm được cắt tỉa. (Lưu ý đó trước khi giải pháp đầu tiên được tìm thấy, f (đương nhiệm) nên được thiết lập bằng đến vô cùng, vì vẫn chưa có được một hữu hạn trên ràng buộc về chi phí giải pháp tối ưu.) Hội tụ là một giải pháp tối ưu được phát hiện khi stack rỗng. Tại thời điểm này, đã quay lui Quyết tâm đó tất cả các chi nhánh của các cây đã được tìm kiếm hoặc bỏ bớt. Bằng chứng về việc chấm dứt với một giải pháp tối ưu SAU lý luận tương tự như đối với Định lý 1. suboptimality của giải pháp Hiện nay có sẵn được bao bọc bằng f (đương nhiệm) như là một trên ràng buộc về chi phí giải pháp tối ưu và F -cost nhất của bất kỳ nút trên stack Frontier là một ràng buộc thấp hơn. (Một lần nữa, chồng biên giới bao gồm các nút ở cuối con đường tốt nhất hiện nay, cộng với mỗi anh chị em của một nút dọc theo con đường này.)
Hình 5 (a) Cho thấy hồ sơ hiệu suất cho WRBFS Bất cứ lúc nào, trung bình trên 100 trường hợp ngẫu nhiên Korf 's của Fifteen Puzzle. Mặc dù trọng lượng của 2.0 và 1.5 đưa ra một sự đánh đổi chất lượng Thời hiệu tốt hơn cho khoản thời gian ngắn tìm kiếm, trọng lượng 1.3 Cung cấp hiệu suất dài hạn tốt hơn. Hình 5 (b) Hiển thị thời gian (tính bằng số trung bình của các cuộc gọi đệ quy) Taken by WRBFS Bất cứ lúc nào để tìm ra giải pháp tối ưu cho Mười lăm câu đố, sử dụng trọng lượng 1,0-2,0 gia số 0,1. Sử dụng trọng lượng 1,2-1,4, hội tụ tới một giải pháp tối ưu có thể NHANH CHÓNG hơn RBFS không trọng số. Trong thực tế, sử dụng trọng số 1,3 WRBFS Bất cứ lúc nào hội tụ đến một giải pháp tối ưu sau khi một trung bình ít hơn 25% các cuộc gọi đệ quy hơn RBFS không trọng số. Mặc dù nó luôn luôn mở rộng khi nhiều hoặc không hạch biệt hơn RBFS giản, phụ thuộc vào ngăn xếp dựa trên backtracking để Giảm PHƯƠNG TIỆN sử dụng bộ nhớ