Algorithm Synthesis: A Comparative Study

در اوایل سال 1986، یکی از ما (D.M.S.) در حال ساخت یک سیستم هوش مصنوعی برای طراحی الگوریتم‌ها بود و دیگری (A.P.A.) در حال شروع تحقیقات در زمینه تحولات برنامه بود. ما یک دفتر به اشتراک گذاشتیم و چند مقاله در مورد توسعه سیستماتیک الگوریتم ها از مشخصات رد و بدل کردیم. کم کم متوجه شدیم که سعی می کنیم برخی از همین مشکلات را حل کنیم. و بنابراین، علیرغم تفاوت‌های اساسی بین خودمان در رویکردهای پژوهشی، ما با هم شروع کردیم تا ببینیم چه چیزی از این مقالات می‌توانیم یاد بگیریم. این کتاب اینگونه آغاز شد: چند دانشجوی فارغ التحصیل سعی می کنند با ادبیات کنار بیایند. در ابتدا فقط لیستی از مقالات وجود داشت. یکی از ما (D.M.S.) سعی کرد با توصیف فضاهای مشکل جستجو شده، مقالات را در یک چارچوب یکنواخت قرار دهد، رویکردی که در هوش مصنوعی برای درک بسیاری از کارها استفاده می شود. به نظر می‌رسد که توصیف‌های فضای مسئله تعمیم‌یافته، اگرچه مفید است، اما بیش از حد انتزاعی به نظر می‌رسد، بنابراین تصمیم گرفتیم مقالات نویسندگان مختلف را که با الگوریتم مشابهی سروکار دارند، مقایسه کنیم. این مقایسه‌ها بسیار مهم بود: پس از آن ما شروع به دیدن گزینه‌های طراحی کلیدی مشابه برای هر الگوریتم کردیم.

In early 1986, one of us (D.M.S.) was constructing an artificial intelligence system to design algorithms, and the other (A.P.A.) was getting started in program transformations research. We shared an office, and exchanged a few papers on the systematic development of algorithms from specifications. Gradually we realized that we were trying to solve some of the same problems. And so, despite radical differences between ourselves in research approaches, we set out together to see what we could learn from these papers. That's how this book started: a couple of graduate students trying to cope with The Literature. At first, there was just a list of papers. One of us (D.M.S.) tried to cast the papers in a uniform framework by describing the problem spaces searched, an approach used in artificial intelligence for understanding many tasks. The generalized problem space descriptions, though useful, seemed to abstract too much, so we decided to compare papers by different authors dealing with the same algorithm. These comparisons proved crucial: for then we began to see similar key design choices for each algorithm.