R·德希特。;J·珀尔。 为约束满足问题生成启发式的问题简化方法。 （英语） Zbl 0678.68100号 逻辑与知识获取，马赫。智力。11, 125-155 (1988). 摘要：[有关整个系列，请参阅Zbl 0651.00015号.]许多人工智能任务可以表述为约束满足问题（CSP），即为受一组约束的变量赋值。三维物体的识别、解谜、电子电路分析和真实维护系统就是此类问题的例子，这些问题通常通过各种版本的回溯搜索来解决。我们展示了如何自动生成建议，以指导搜索算法为变量赋值的顺序，从而减少回溯量。建议是通过咨询每个价值分配候选者创建的子问题的宽松模型生成的。选择放松的问题以获得无回溯的解，从这些模型中检索到的信息在原始问题中待处理的选项中诱导出一个优先顺序。我们确定了一类CSP，其语法和语义属性使其易于求解。句法属性涉及约束图的结构，而语义属性保证约束之间的局部一致性。特别是，树状约束图可以很容易地求解，因此可以选择它作为松弛方案的目标模型。提出并分析了求解简单问题的优化算法。介绍了一种构造给定约束图的“最佳”约束树近似的方案，最后，在CSP实例的综合域中评估了使用建议的效用。 引用于12文件 MSC公司： 68T20型 人工智能背景下的问题解决（启发式、搜索策略等） 关键词：约束满足问题;搜索算法;回溯;约束图;松弛方案 引文：Zbl 0651.00015号 PDF格式BibTeX公司 XML格式