通过静态分析获取搜索控制知识

审核人：弗拉基克·雅。克里诺维奇

搜索控制知识是一种帮助解决问题的知识。在一般的问题解决者中，问题由初始状态、目标和描述可能步骤的规则表示。作为研究的基础，作者采用了PRODIGY，这是一个与域相关的问题求解器，与以前的系统相比，它的主要优点是允许元规则（即规则作为通用语句）和条件规则。PRODIGY的默认策略是深度优先搜索。如果用户知道更好的解决问题的方法，他或她可以描述自己选择下一步的规则。这些规则将覆盖默认策略。在许多情况下，我们无法制定总体战略，但我们知道在一些情况下问题已经得到解决。我们能通过观察这些案例来学习一般规则吗存在这样的学习系统，例如基于PRODIGY的PRODIGY/EBL系统。<____Pub Fmt eos-space>这些系统并不总是很成功。作者描述了一种性能优于所有已知系统的新系统。他的主要思想是首先尝试不会导致递归策略的泛化，其中，首先尝试条件较少的规则（希望这种规则更通用）。由此产生的系统称为STATIC。泛化思想类似于编程中的“展开”，即在程序执行之前，用该子例程的文本替换对子例程的调用，并在编译阶段预计算尽可能多的变量。如果我们有一个递归调用，展开就不能很好地工作。类似地，添加递归规则通常<____Pub Caret>引导搜索进入无意义的循环。