The first and most relevant topic r

The first and most relevant topic regards computational complexity. The proposed Algorithm 2 is a search algorithm that improves a breadth-first search even if the time complexity for the worst case is yet O(bd) where b is the branching factor and d is the depth. This algorithm is a starting point for exploring the research direction. Below we will quickly review some alternative approaches to improve the performance. Planning/Scheduling algorithms. It could be natural to think that a solution to Problem 1 can be designed by exploiting the state of the art in planning and scheduling. Algorithms for planning are concerned with figuring out what actions need to be carried out for addressing a given result, whereas algorithms for scheduling are concerned with when to carry these actions for the same purpose [43], [44]. SAT solver. Searching in the space of State of Worlds is a combinatorial problem, and therefore it may afforded by a SAT solver. Despite the fact that the Propositional Satisfiability is a NP-complete problem, recently many algorithms (i.e. DPLL, CDCL [45]) reach impressive performances with several hundreds of variables and several thousand of clauses in worst conditions [46]. Case Based reasoning. Case-based reasoning [47] is a problem solving paradigm that in many respects is fundamentally different from other major AI approaches since it is able to utilize the specific knowledge of previously experienced, concrete problem situations. A new problem is solved by finding a similar past case, and reusing it in the new problem situation. This approach would be applied together with a divide and conquer strategy (Algorithm 1) in which a complex problem is decomposed in simpler sub-problems to front them separately.

결과 (한국어) 1:

첫 번째 그리고 가장 관련성이 높은 주제는 복잡 한 계산 감사합니다. 제안 된 알고리즘 2 경우에 최악의 경우 시간 복잡도 아직 O(bd) 분기 요소와 d b가 깊이 너비 우선 검색을 개선 하는 검색 알고리즘입니다. 이 알고리즘은 연구 방향 모색을 위한 시작 지점입니다. 아래 우리는 신속 하 게 성능을 향상 시키는 몇 가지 대체 방법을 검토할 것입니다. 기획/스케줄링 알고리즘입니다. 문제 1에 대 한 솔루션 계획 및 일정에 예술의 상태를 이용 하 여 디자인 될 수 있다 생각 하는 자연 수 있습니다. 계획에 대 한 알고리즘은 작업 예약 알고리즘 같은 목적 [43] [44]에 대 한 이러한 작업을 수행 하는 경우 염려는 반면 주어진된 결과 주소 지정을 위해 실행 될 필요가 알아 냈 염려 한다. 토 해결사입니다. 공간에 검색 상태의 세계의 조합 문제 이며 따라서 토 해 찾기에 의해 감당할 수 있습니다. 제안 가능성 NP-완전 문제는 사실에도 불구 하 고 최근 많은 알고리즘 (즉 DPLL, CDCL [45]) 변수의 수백 및 수천 최악의 조건 [46] 절의 인상적인 공연에 도달 합니다. 사례 기반 추론. 사례 기반 추론 [47]는 여러 측면에서 근본적으로 다른 다른 주요 인공 지능 패러다임 문제해결 접근 이전 경험, 구체적인 문제 상황의 특정 지식을 활용할 수 있게 때문 이다. 경우, 과거 비슷한 찾아내고 새로운 문제 상황에 그것을 재사용 하 여 새로운 문제 해결 된다. 이 이렇게는 나누기 함께 적용 될 것이 고 정복 전략 (알고리즘 1) 복잡 한 문제를 간단 하 게 하위 문제를 별도로 그들을 앞에 분해 됩니다.

결과 (한국어) 2:

첫 번째와 가장 관련 항목 계산 복잡도를 간주한다. 제안 된 알고리즘 2는 최악의 경우의 시간 복잡도는 O (BD) 여기서 B는 분지 계수이고, D는 깊이 아직하더라도 너비 우선 탐색을 개선 검색 알고리즘이다. 이 알고리즘은 연구 방향을 탐색하기위한 시작점이다. 우리는 아래에서 신속하게 성능을 향상시키기 위해 몇 가지 다른 방법을 검토 할 것이다. 기획 / 스케줄링 알고리즘. 그것은 문제 1에 대한 해결책이 계획 및 스케줄링의 예술의 상태를 이용하여 설계 할 수 있다고 생각하는 자연이 될 수 있습니다. 계획에 대한 알고리즘은 스케줄링 알고리즘이 동일한 목적 [43], [44] 이러한 작업을 수행하는 경우와 관련되는 반면 행동이, 주어진 결과를 주소에 대해 수행 할 필요가 무엇인지 파악과 함께 우려하고 있습니다. SAT 해결사. 세계의 국가의 공간에서 검색하는 것은 조합 문제이며, 따라서 그것은 SAT 솔버에 의해 제공 할 수 있습니다. 명제 Satisfiability가 NP 완전 문제, 최근에 많은 알고리즘이라는 사실에도 불구하고 (즉 DPLL,을 CDCl3 [45]) 변수의 수백과 최악의 조건 [46]의 조항의 수천 인상적인 공연에 도달. 사례 기반 추론. 사례 기반 추론은 [47]은 많은 점에서 다른 주요 AI 근본적으로 다르​​다 이전에 경험 구체적인 문제 상황의 특정 기술을 이용할 수 있기 때문에 문제 해결 접근 패러다임이다. 새로운 문제는 유사한 과거 사례를 발견하고, 새로운 문제 상황을 재사용함으로써 해결된다. 이 방식은 복잡한 문제는 별도로 전면 그들에게 간단한 문제 부에서 분해되는 분할 정복 및 전략 (알고리즘 1)와 함께 적용된다.

결과 (한국어) 3:

가장 먼저 관한 관련 문제는 계산.이 방법은 2 한 검색 개선 범위 검색 복잡한 설령 시간 최악의 o (bd) 아직 여기 b, d, 가지 요소가 매우 깊다.이 필터에 출발점 연구 방향을 찾다.아래 우리는 곧 심사 성능 향상을 위해 몇 가지 방법이 있다.계획 / 정렬 알고리즘.수도 자연 생각하는 문제를 풀 수 있는 한 디자인 개발 현황 계획 및 관리.알고리즘 명확히 계획 관련 어떤 일을 진행할 필요가 한 이런 처리 결과일정 때문에 알고리즘 관심을 가지고 이런 행동은 때 같은 목적을 위해 43 44. [] [].자, 앉아.검색 지난 주 세계 한 그룹 문제 때문에 한 그릇 제공하는 앉아 있다.비록 이 명제 논리 것은 전혀 문제 많은 알고리즘 (즉, 요즘 링,[수 쓰다 45]) 행동은 사람을 수천 수백 변수 조항 (46) 최악의 상황에.사례 기반의.사례 기반의 (47) 이 문제를 해결하는 근본적인 패러다임 많은 방면에서 다른 방법을 주요 ai. 왜냐하면 그것은 이용할 수 있는 지식 이전에 경험이 구체적인 문제는 상황.새로운 문제를 해결하는 것을 지난 사건을 다시 비슷한, 이 상황에 새로운 문제를.이 방법은 반드시 분할 통치한다 전략을 함께 (알고리즘 1) 을 분해 복잡한 문제를 간단한 문제 각각 앞 것이다.