This paper describes an automated a

This paper describes an automated approach to generating abstractions for the
Tower of Hanoi and analyzes the use of these abstractions for problem solving. The
analysis shows that the learned abstractions produce an exponential reduction in the
size of the search space. Since few problem solvers actually explore the entire search
space, the paper also presents an empirical analysis of the speedup provided by abstraction when a heuristic search is employed. The empirical analysis shows that the
benet of abstraction is largely determined by the portion of the base-level search space
explored. Thus, using breadth-rst search, which searches the entire space, abstraction
provides an exponential reduction in search. However, using a depth-rst search, the
search reduction is smaller and depends on the amount of backtracking required to
solve the problem.

ผลลัพธ์ (ไทย) 1:

เอกสารนี้อธิบายวิธีการอัตโนมัติเพื่อสร้าง abstractions สำหรับการทาวเวอร์ของฮานอย และวิเคราะห์การใช้ abstractions เหล่านี้สำหรับการแก้ปัญหา ที่การวิเคราะห์แสดงว่า abstractions เรียนรู้ก่อให้เกิดการลดเนนการขนาดของพื้นที่การค้นหา ตั้งแต่ไม่กี่นักแก้ปัญหาจริงสำรวจค้นหาทั้งหมดพื้นที่ กระดาษยังนำเสนอการวิเคราะห์ผลของ speedup โดย abstraction เมื่อค้นหาแล้วเป็นลูกจ้าง แสดงการวิเคราะห์ผลที่จะt bene ของ abstraction ส่วนใหญ่ถูกกำหนด โดยส่วนของพื้นที่การค้นหาตามอุดม ดังนั้น ใช้ค้นหา rst กว้าง ซึ่งค้นหาพื้นที่ทั้งหมด abstractionช่วยให้การค้นหาลดเนน ใช้ค้นหาความลึกของ rst อย่างไรก็ตาม การค้นหาลดน้อย และขึ้นอยู่กับจำนวน backtracking ต้องแก้ปัญหา

ผลลัพธ์ (ไทย) 2:

กระดาษนี้จะอธิบายวิธีการอัตโนมัติเพื่อสร้างแนวคิดสำหรับทาวเวอร์ของฮานอยและวิเคราะห์การใช้แนวคิดเหล่านี้สำหรับการแก้ปัญหาที่เกิดขึ้น การวิเคราะห์แสดงให้เห็นว่าแนวคิดการเรียนรู้การผลิตการลดชี้แจงในขนาดของพื้นที่การค้นหา ตั้งแต่นักแก้ปัญหาจริงไม่กี่สำรวจค้นหาทั้งหมดพื้นที่กระดาษยังนำเสนอการวิเคราะห์เชิงประจักษ์ของเพิ่มความเร็วให้โดยนามธรรมเมื่อค้นหาแก้ปัญหาเป็นลูกจ้าง การวิเคราะห์เชิงประจักษ์แสดงให้เห็นว่าประโยชน์ของนามธรรมทีจะถูกกำหนดโดยส่วนใหญ่เป็นส่วนหนึ่งของพื้นที่ค้นหาฐานระดับสำรวจ ดังนั้นการใช้ breadth- ค้นหาแรกซึ่งการค้นหาพื้นที่ทั้งที่เป็นนามธรรมให้ลดชี้แจงในการค้นหา อย่างไรก็ตามการใช้การค้นหา depth- แรกที่ลดการค้นหาที่มีขนาดเล็กและขึ้นอยู่กับจำนวนเงินที่ต้องย้อนรอยไปสู่การแก้ปัญหา

ผลลัพธ์ (ไทย) 3:

บทความนี้อธิบายวิธีการแบบอัตโนมัติสำหรับการสร้างนามธรรมทาวเวอร์ของฮานอยและวิเคราะห์การใช้นามธรรมเหล่านี้เพื่อแก้ปัญหา ที่การวิเคราะห์แสดงให้เห็นว่าเรียนนามธรรมผลิตลดลงในเลขชี้กำลังขนาดของการค้นหาอวกาศ เนื่องจากแก้ปัญหาน้อยจริง ๆ สำรวจ ค้นหา ทั้งหมดพื้นที่ , กระดาษยังนำเสนอการวิเคราะห์เชิงประจักษ์ของการเร่งความเร็วโดยนามธรรม เมื่อค้นหา heuristic คือลูกจ้าง การวิเคราะห์เชิงประจักษ์แสดงให้เห็นว่าช่วยเป็นนามธรรมถูกกําหนดโดยส่วนของระดับพื้นที่ฐานค้นหาสํารวจ ดังนั้นการใช้กว้างแรกค้นหา ซึ่งการค้นหาพื้นที่ทั้งหมดที่เป็นนามธรรมให้ลดเวลาในการค้นหา อย่างไรก็ตาม การใช้ความลึกแรกของการค้นหาการค้นหาที่มีขนาดเล็กลง และขึ้นอยู่กับปริมาณของบริการต้องแก้ปัญหา