Correct and efficient search algorithms in the presence of repetitions
Notice bibliographique
Résumé
AND/OR tree search has been a fundamental topic in Artificial Intelligence, because many tasks can be decomposed into subtasks, such that either all (AND) or one (OR) of them must be solved. Recent AND/OR tree search algorithms have become powerful, especially by using the notion of proof and disproof numbers. However, there are limitations of these algorithms if the search space involves repetitions. Repetitions cause a problem of efficiency versus correctness. Some approaches incorrectly deal with repetitions to preserve search efficiency. As a result, they occasionally return incorrect solutions. Other approaches compromise efficiency to guarantee correctness. However, they are not efficient enough to become satisfactory choices of practitioners. This thesis presents effective and correct methods for AND/OR tree search with repetitions. The one-eye problem in the game of Go, tsume-Go (life and death problem), and checkers are used as application domains to explore the new techniques. The thesis contains four research contributions. First of all, a solution to the Graph History Interaction (GHI) problem, which may cause a solver to return the incorrect outcome because of repetitions, is presented. Theoretical and empirical results show that the GHI solution is general, correct, and efficient. Secondly, a performance problem is presented when the depth-first proof number (df-pn) search algorithm, which is an effective algorithm using proof and disproof numbers, is adapted to domains involving repetitions. A solution to the problem is given and dramatical improvements over df-pn are empirically achieved. Thirdly, on top of these solutions, domain dependent enhancements are added to the programs that solve the one-eye and tsume-Go problems. These techniques are very promising, and contribute to surpass the performance of the best existing tsume-Go solver. Finally, a divide and conquer approach that can reduce the search space is presented. This approach further improves the performance of the one-eye solver.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,058 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,004 | 0,011 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».