در تحقیقات اولیه‌ای که در زمینه‌ی هوش مصنوعی صورت می‌گرفت، تأکید زیادی بر بهینه‌سازی آلگوریتم‌های جستجو می‌شد. علت این امر آن بود که بسیاری از مسایل هوش مصنوعی را می‌توان با تعریف فضای حالت‌ها و تعریف و استفاده از درخت‌های جستجو در این فضای حالت‌ها به کمک آلگوریتم‌های جستجو به طور مؤثر حل کرد.
غالباً برای عملی کردن برنامه‌های جستجو، با استفاده از بهگزینی (heuristics) [اکتشاف] نواحی جستجو را در این درخت‌های جستجو محدود می‌کردند. کاربرد بهگزینی باعث می‌شود که با تغییر کیفیت جواب‌ها، مسایل غیر قابل حل به مسایل قابل حل تبدیل شوند؛ این روش که در آن پیچیدگی محاسبات به هزینه‌ی پایین آمدن کیفیت جواب‌ها کاسته می‌شود، امروزه یک الگوی طراحی استاندارد در برنامه‌نویسی هوش مصنوعی است.
در واقع، با صرف حافظه‌ی بیشتر، می‌توانیم محاسبه‌ی سریع‌تر و جواب‌های بهتر داشته باشیم؛ غالباً با ذخیره کردن داده‌های بیشتر می‌توانیم سرعت جستجو را بیشتر کنیم، و کارآیی جستجوهای بعدی در همان فضای حالت‌ها را بیش از پیش افزایش دهیم.
بهگزینی به معنای مواقعی است که امکان پیدا کردن جواب بهینه وجود ندارد، ولی با روش‌های خاصی می‌توان یافتن جواب خشنود کننده را تسریع و تسهیل کرد. اصطلاح متداولی که در فارسی برای این امر به کار می‌رود، اکتشاف است، ولی به نظر می‌رسد کلمه‌ی بهگزینی نیز برای این منظور مناسب باشد.
thanks for sharing
Downvoting a post can decrease pending rewards and make it less visible. Common reasons:
Submit