Changes of Problem Representation: Theory and Experiments

هدف از تحقیق ما افزایش کارایی حل‌کننده‌های مشکل هوش مصنوعی با خودکار کردن تغییرات نمایش است. ما سیستمی را توسعه داده‌ایم که شرح مسائل ورودی را بهبود می‌بخشد و الگوریتم جستجوی مناسبی را برای هر مشکل مشخص انتخاب می‌کند. انگیزه. محققان شواهد زیادی در مورد اهمیت نمایش های مناسب برای کارایی سیستم های هوش مصنوعی جمع آوری کرده اند. بسته به روشی که آن را توصیف می کنیم و الگوریتم جستجویی که استفاده می کنیم، همین مشکل ممکن است آسان یا دشوار باشد. کار قبلی روی بهبود خودکار توصیفات مسئله عمدتاً به طراحی الگوریتم‌های یادگیری فردی محدود شده بود. کاربر به طور سنتی مسئول انتخاب الگوریتم های مناسب برای یک مسئله معین بوده است. ما سیستمی را ارائه می کنیم که چندین الگوریتم تغییر توصیف و حل مسئله را ادغام می کند. هدف از کار گزارش شده رسمی کردن مفهوم بازنمایی و تأیید فرضیه زیر است: یک سیستم تغییر دهنده بازنمایی مؤثر می تواند از سه بخش ساخته شود: • کتابخانه ای از الگوریتم های حل مسئله. • کتابخانه ای از الگوریتم ها که توصیف مسئله را بهبود می بخشد. • یک ماژول کنترل که الگوریتم هایی را برای هر مسئله معین انتخاب می کند.

The purpose of our research is to enhance the efficiency of AI problem solvers by automating representation changes. We have developed a system that improves the description of input problems and selects an appropriate search algorithm for each given problem. Motivation. Researchers have accumulated much evidence on the impor­ tance of appropriate representations for the efficiency of AI systems. The same problem may be easy or difficult, depending on the way we describe it and on the search algorithm we use. Previous work on the automatic im­ provement of problem descriptions has mostly been limited to the design of individual learning algorithms. The user has traditionally been responsible for the choice of algorithms appropriate for a given problem. We present a system that integrates multiple description-changing and problem-solving algorithms. The purpose of the reported work is to formalize the concept of representation and to confirm the following hypothesis: An effective representation-changing system can be built from three parts: • a library of problem-solving algorithms; • a library of algorithms that improve problem descriptions; • a control module that selects algorithms for each given problem.