• 语料库ID:174801438

小心缩放：保证节点扩展的线性内存启发式搜索

@文章{Orseau2019ZoomingCL，title={小心缩放：保证节点扩展的线性内存启发式搜索}，author={Laurent Orseau和Levi H.S.Lelis和Tor Lattimore}，日志={ArXiv}，年份={2019}，体积={abs/1906.03242}，网址={https://api.semanticscholar.org/CorpusID:174801438}}
介绍了两种无参数线性记忆树搜索算法，并证明了当搜索空间为树时，它们保证只执行比a*多的对数因子的节点展开。
[PDF]语义阅读器

本文图表

一篇引文

迭代预算指数搜索

本文描述了一个新的算法框架，该框架迭代地控制扩展预算和解决方案成本限制，从而产生新的图和树搜索算法，其中扩展次数为$O（n\log C）$，其中$C$是最佳解决方案成本。

34参考文献

具有在线树大小预测的迭代深化搜索

本文提出了一种算法，该算法在搜索过程中在线自适应地选择合适的代价边界，并利用其经验精确地将迭代之间的搜索工作量加倍，从而获得更稳健的性能。

增强的迭代深化搜索

作者表明，通过利用以前获得的节点信息，可以大大改进迭代深化搜索，并且他们的方法比以前的建议更快、更容易实现。

迭代预算指数搜索

本文描述了一个新的算法框架，该框架迭代地控制扩展预算和解决方案成本限制，从而产生新的图和树搜索算法，其中扩展次数为$O（n\log C）$，其中$C$是最佳解决方案成本。

用启发式搜索解决大问题：通用并行外部记忆搜索

这项工作表明，A*等经典的最佳优先算法可以通过利用磁盘存储和并行处理应用于大型现实世界问题，在某些情况下，还可以稍微放宽严格的最佳优先节点扩展顺序。

开销有限的递归最佳优先搜索

RBFScr是第一种可证明地限定RBFS再生开销的方法，实验表明，这提高了其在多个领域的性能，无论是最优搜索还是次优搜索，同时还产生了更好的线性空间随时随地启发式搜索。

线性空间最佳优先搜索

通过控制截止边界减少迭代深化搜索中的重扩展

一种具有可修改估计的启发式搜索算法

允许控制内存使用的最佳优先搜索的快速递归公式

大量运行在各种搜索问题上，包括可能是树也可能不是树的搜索图，这表明M=0的MREC在诸如IDA*适用的15字谜之类的问题上与IDA*一样好，而M较大的MREC与a*一样快，在节点扩展时间不可忽略的问题上。

深度优先迭代深化：一种最优容许树搜索