غلامرضا ثانی و مجید نمازی،
دوره 23، شماره 1 - ( 4-1383 )
چکیده
بسیاری از مسائل مطرح در زمینه هوش مصنوعی را می‌توان به صورت مسائل ارضای محدودیت1 توصیف کرد. این مسائل با استفاده از مجموعه‌ای از متغیرها و تعدادی محدودیت بر روی مقادیری که این متغیرها می‌توانند اختیار کنند، تعریف می‌شوند (در این نوع از مسائل از واژه برچسب نیز برای اشاره به مقدار یک متغیر استفاده میشود و لذا به آنها مسائل برچسب دهی سازگار2 نیز اطلاق میشود). حل این مسائل مجموعه‌ای از مقادیر منحصر به فرد برای متغیرهاست، به‌طوری‌که تمامی محدودیتهای مورد نظر مسئله ارضا شده باشد. تا به حال تعدادی الگوریتم جستجو، ویژه حل این نوع از مسائل ارائه شده است که برخی از آنها با آینده‌نگری که در حین حل مسئله انجام می‌دهند، تعداد عقبگردهای3 کمتری انجام داده و در تعداد قدمهای کمتری به راه حل دست می‌یابند. این الگوریتمها عبارت‌اند از بررسی جلورو، آینده‌نگر جزیی و آینده‌نگر کامل. این الگوریتمها از نظر میزان تلاشی که در هر مرحله در قالب بررسیهای سازگاری4، صرف آینده‌نگری می‌کنند و تعداد عقبگردهایی که در حین حل مسئله انجام می‌دهند، با یکدیگر تفاوت دارند. در این مقاله، ضمن تشریح الگوریتمهای ذکر شده، روش جستجوی جدیدی که آن را آینده‌نگر کامل بهبود یافته نامیده‌ایم نیز معرفی میشود که از الگوریتم آینده‌نگر کامل کاراتر است
