人工智能搜索

Question

大家。我正在研究大学时间表调度项目。主要是，我使用禁忌搜索，但我想问：

在一般搜索中，你可以探索当前状态的所有邻居，然后根据健身或评估函数采取最佳状态，但是在这样的项目中，生成所有邻居会降低性能，所以有没有让我绕过这样的问题的方式？例如，我可以为一个州生成子项，然后在搜索过程中为所有其他州生成这一代吗？

如果有人有此类算法的专家，请告诉我，因为我在这些问题上努力工作。

Answer 1

shoosh评论的附录：你在寻找pruning吗？存在许多此类策略，包括this个。请记住，一种尺寸并不适合所有尺寸。因此，您可能需要设计一个适合您需求的启发式方法。

Answer 2

我不是专家，但通常不会考虑优化此类计算 这真的取决于你使用的健身功能。通常，了解节点的适应性，您可以推断出范围，甚至可以推断出最差的儿童健康状况范围 通过一个足够简单的函数，您甚至可以实现计算孩子的适应性，即使没有明确生成它们，然后只有在它值得的时候才生成它们。

Answer 3

之前评论的附录：修剪也可以在多个级别完成，具体取决于您的性能和内存限制。例如：

1. 将初始状态放入优先级队列。

2. 直到终止（例如队列为空，找到适当的解决方案，时间限制已到期，......），重复以下步骤：

   2.1。从队列中取出最上面的条目。

   2.2。生成孩子（如果可能的话，使用估算器首先获得价值最高的孩子）。

   2.3。生成每个子项时，将其放入优先级队列。一旦队列达到大小限制（您可能通过试验和错误凭经验确定），每次插入队列时都应该删除队列中的最低值元素。

显然，具备良好的估算/评估功能对于完成这项工作非常重要。您的队列评估函数可以进行调整以考虑“生成”（例如，在更接近初始状态的状态下，在较浅的深度处给予加权奖励）以调整其在深度偏好和广度偏好之间的偏差。