بهبود مکاشفه های مبتنی بر حافظه در جستجوهای تک عاملی

یافتن جواب بهینه برای بسیاری از مسایل دنیای واقعی مستلزم انجام یک جستجوی کامل در فضای مسیله و بررسی تمام راه حل های ممکن است. تحقیقات بسیاری در این راستا صورت گرفته و الگوریتم های جستجوی مکاشفه ای مختلفی مانند a*، ida*، kbfs و... برای حل این گونه مسایل ارایه شده اند. این الگوریتم های جستجو از یک تابع مکاشفه ای (heuristic) برای ارزیابی حالت های مختلف استفاده می کنند و کارایی آنها به دقت تابع مکاشفه ای مورد استفاده وابسته است. توابع مکاشفه ای در محیط های جستجوی تک عاملی، هزینه ی رسیدن به حالت هدف از حالت جاری مسیله را تخمین می زنند. الگوریتم های a* و مشتقات آن به یک تابع مکاشفه ای قابل قبول نیاز دارند تا یافتن پاسخ بهینه را تضمین کنند. قابل قبول بودن به این معنی است که تابع مکاشفه ای هیچ گاه هزینه ی رسیدن به حالت هدف را بیش از مقدار بهینه تخمین نزند. هر چه تابع مکاشفه ای دقیق تر باشد، الگوریتم جستجو نیز کاراتر خواهد بود. تحقیقات بسیاری در جهت یافتن توابع مکاشفه ای دقیق تر انجام شده است. هدف در این پایان نامه ارایه راه کارهایی برای بهبود دقت توابع مکاشفه ای مبتنی بر حافظه است. پایگاه داده ی الگو از جمله توابع مکاشفه ای مهم قابل قبولی است که تاکنون ارایه شده و بهترین روش موجود برای حل بهینه ی بسیاری از مسایل می باشد. مشکل اصلی پایگاه داده های الگو حافظه ی زیادی است که برای ذخیره سازی نیاز دارند. در این تحقیق ابتدا به کاهش مشکل حافظه در پایگاه داده های الگو می پردازیم. برای حل مشکل حافظه در این توابع، با استفاده از الگوریتم های یادگیری ماشین روشی جدید برای فشرده سازی پایگاه داده ی الگو ارایه می کنیم. نتایج بدست آمده بهبود چشم گیر این روش نسبت به روش های فشرده سازی پیشین از لحاظ کاهش میزان حافظه ی مورد نیاز و تعداد گره های تولید شده در طی جستجو (در نتیجه کاهش زمان اجرا) را نشان می دهند. آزمایش های انجام گرفته بر روی برخی مسایل استاندارد، کاهش 61 برابری حافظه ی مورد نیاز برای ساخت پایگاه داده ی الگو را نشان می دهد. در بخش دوم این پایان نامه از روش جستجوی مرزی به منظور بهبود توابع مکاشفه ای استفاده می کنیم. در این راستا روشی کارآمد برای ترکیب پایگاه داده ها ی الگو و جستجوی مرزی پیشنهاد می دهیم. ترکیب این دو روش در چند سال اخیر مورد توجه محققان قرار گرفته و تلاش هایی در این زمینه صورت گرفته است. ترکیب پایگاه داده ی الگو و جستجوی مرزی به صورت معمول نیازمند حافظه ی بسیار زیادی است که با افزایش عمق به صورت نمایی افزایش می یابد. در این تحقیق روشی جدید برای نگاشت حالت های مختلف مسایل پازل به حالت هدف ارایه گردیده که امکان ترکیب این دو روش را با میزان حافظه ی محدود فراهم می کند. نتایج بدست آمده بهبود روش ارایه شده در مقایسه با روش های ارایه شده ی قبلی را نشان می دهد.