روشی جدید برای حل مسائل ارضای محدودیت

بسیاری از مسائل مطرح در زمینه هوش مصنوعی را می توان به صورت مسائل ارضای محدودیت1 توصیف کرد. این مسائل با استفاده از مجموعه ای از متغیرها و تعدادی محدودیت بر روی مقادیری که این متغیرها می توانند اختیار کنند، تعریف می شوند (در این نوع از مسائل از واژه برچسب نیز برای اشاره به مقدار یک متغیر استفاده می شود و لذا به آنها مسائل برچسب دهی سازگار2 نیز اطلاق می شود). حل این مسائل مجموعه ای از مقادیر منحصر به فرد برای متغیرهاست، به طوری که تمامی محدودیتهای مورد نظر مسئله ارضا شده باشد. تا به حال تعدادی الگوریتم جستجو، ویژه حل این نوع از مسائل ارائه شده است که برخی از آنها با آینده نگری که در حین حل مسئله انجام می دهند، تعداد عقبگردهای3 کمتری انجام داده و در تعداد قدمهای کمتری به راه حل دست می یابند. این الگوریتمها عبارت اند از بررسی جلورو، آینده نگر جزیی و آینده نگر کامل. این الگوریتمها از نظر میزان تلاشی که در هر مرحله در قالب بررسیهای سازگاری4، صرف آینده نگری می کنند و تعداد عقبگردهایی که در حین حل مسئله انجام می دهند، با یکدیگر تفاوت دارند. در این مقاله، ضمن تشریح الگوریتمهای ذکر شده، روش جستجوی جدیدی که آن را آینده نگر کامل بهبود یافته نامیده ایم نیز معرفی می شود که از الگوریتم آینده نگر کامل کاراتر است