thường đứng cho dự đoán chính xác cho lĩnh vực chân không mê cung, một mô hình khác nhau có thể được yêu cầu cho các lĩnh vực khác.
Chúng tôi đã xem xét sử dụng một mô hình gia tăng cho dự đoán số lượng của các nút đó sẽ được mở rộng trong phạm vi một chi phí nhất định ràng buộc. Một ứng dụng khác có thể cho mô hình gia tăng được ước tính chi phí giải pháp tối ưu cho một vấn đề. Do khoảng cách để đi dự d là chỉ bằng không cho các nút mục tiêu, các thủ tục ulation giản được mô tả trong phần 3 có thể được sử dụng để xác định giá trị f nhỏ nhất trong số tất cả các nút với d = 0. Giá trị này là f ước tính chi phí giải pháp tối ưu. Điều này sẽ mở rộng các kết quả trình bày bởi Lelis, Stern, và Jabbari [11] để vào đường học tập và lĩnh vực có giá trị thực chi phí.
Hiện đã có nhiều tác phẩm thành công trong lĩnh vực khai thác instance- thông tin cụ thể để lựa chọn thuật toán tự động và cấu hình [ 22, 12,
1]. Trong thỏa thuận với kết quả này, chúng tôi tin rằng trường hợp cụ thể informa-
tion là những gì cho phép các mô hình gia tăng để đưa ra dự đoán chính xác khi được đào tạo trực tuyến (Phần cf 5.2, nơi mà kết quả của chúng tôi cho thấy rằng mô hình là chính xác hơn khi được đào tạo trực tuyến về mỗi thể hơn sau khi đã được ẩn). Chính kịp phản ứng và tìm kiếm tự trị [2, 5], trong đó thuật toán tối ưu cố gắng để điều chỉnh mình lên trên mạng, đã được trình diễn được khá hiệu quả cho chế trình gramming và tối ưu hóa tổ hợp. IDA * IM chứng minh rằng trên đường học tập có thể được sử dụng để điều khiển tìm kiếm cho các vấn đề ngắn nhất con đường quá. 7 Kết luận Trong bài báo này, chúng tôi trình bày một mô hình gia tăng mới để dự đoán sự đóng dis- dự toán chi phí giải pháp trong một cây tìm kiếm và do đó số nút mà giáp tìm kiếm theo chiều sâu sẽ đến thăm. Mô hình mới của chúng tôi là so sánh với nhà nước-of-the-nghệ thuật các phương pháp trong các lĩnh vực nơi mà các phương pháp áp dụng. Ba ưu điểm chính của mô hình mới của chúng tôi rằng nó hoạt động một cách tự nhiên trong các lĩnh vực với các ước tính phỏng đoán giá trị thực, nó là chính xác với vài mẫu huấn luyện, và nó có thể được đào tạo trực tuyến. Chúng tôi đã chứng minh rằng mô hình đào tạo trực tuyến có thể dẫn tới những dự đoán chính xác hơn. Ngoài ra, chúng tôi đã chỉ ra rằng các mô hình về tinh thần tăng lên với bước có thể được sử dụng để kiểm soát một tìm kiếm IDA *, cho một thuật toán mạnh mẽ, IDA * IM. Với sự phổ biến của các chi phí thực tế có giá trị trong các vấn đề thế giới thực, on-line mô hình gia tăng là một bước quan trọng trong việc mở rộng phạm vi áp dụng của lặp đi lặp lại tìm kiếm sâu hơn. 8 Lời cảm ơn Chúng tôi chân thành cảm ơn sự hỗ trợ của NSF (cấp IIS-0.812.141), các DARPA CSSG chương trình (cấp HR0011-09-1-0021), và Đại học New Hampshire Dissertation Năm Fellowship.
đang được dịch, vui lòng đợi..