Учиться искать планы с экспонентно меньшим пространством

Компьютерная наука > Искусственный интеллект [представлен 7 октября 2026 года] Название: Учиться искать планы с экспонентно менее космической точки зрения PDF HTML (экспериментальный) резюме. Эвристический поиск плана может хранить в геометрической прогрессии многие штаты, даже если его эврастичность почти идеальна. Вместо этого мы учимся управлению поисками, по одной спецификации в домене, написанной как индексическая политика: общая политика с регистрами, которые содержат объекты и режимы, последовательность правил. Мы добавляем правило выбора, которое загружает объект в регистр и обозначает обратный пункт, где достаточно одного кандидата; каждое другое правило должно работать для всех его результатов и не требует поиска. Наш главный результат заключается в том, что структурное прекращение, исключающее бесконечные казни, также ограничивает каждую казнь полиномией по количеству объектов. Затем в рамках процедуры глубины исследуется план в полиномиальном пространстве, каким бы большим оно ни было, без списка посещенных государств. Стоимость - время, экспоненциально только в глубине выбора, количество реальных вариантов в ходе исполнения. Таким образом, любой класс, который решает такая политика, находится в NP и P на постоянной глубине выбора. Мы учимся этой политике с языковой моделью в рамках контрпримерного цикла, который удостоверяет прекращение, проверяет задачи подготовки и сохраняет глубину выбора незначительной. С учетом накопленного опыта эта процедура решает 1 709…