الگوریتم جست وجوی پرتوی محلی
الگوریتم جست وجوی پرتوی محلی
نگهداری فقط یک گره در حافظه، واکنش افراطی نسبت به مسئله "محدودیت حافظه" است. الگوریتم جست وجوی پرتوی محلی به جای یک حالت، k حالت را نگهداری میکند. این الگوریتم با k حالت که بطور تصادفی انتخاب شدند، شروع میکند. در هر مرحله، تمام پسین های همه حالت ها تولید میشوند. اگر یکی از آنها هدف بود، الگوریتم متوقف میشود. وگرنه، بهترین پسین را انتخاب و عمل را تکرار می کند.
در نگاه اول، ممکن است به نظر برسد که جست وجوی پرتوی محلی با k حالت، با اجرای k شروع مجدد تصادفی بطور موازی (به جای ترتیبی) فرقی نمیکند. در واقع ، این دو الگوریتم کاملا متفاوت هستند. در جست وجوی "شروع مجدد تصادفی" هر فرآیند جست وجو مستقل از بقیه اجرا میشود. در جست وجوی پرتوی محلی ، اطلاعات مفیدی بین k فرآیند جست وجوی موازی، مبادله میشود. در اصل، حالتهایی که بهترین پسین ها را تولید می کنند، به حالت های دیگر می گویند که "بیایید اینجا، بهترین جا، اینجا است!" الگوریتم فورا جست وجوی نامناسب را رد میکند و منابع خود را به جایی می فرستد که پیشرفت بیشتری حاصل شود.
مشکل ساده ترین شکل " الگوریتم جست وجوی پرتوی محلی" این است که k حالت تنوع زیادی ندارند، زیرا ممکن است سریعا در یک منطقه ی کوچک از فضای حالت متمرکز شوند، و در نتیجه، این جست وجو نسبت به نسخه ی گرانی از الگوریتم تپه نوردی گرانتر باشد. شکل دیگری از این الگوریتم بنام جست وجوی پرتو اتفاقی، مانند تپه نوردی اتفاقی، به این مشکل غلبه میکند. به جای انتخاب بهترین k از مخزن پسینهای کاندید، جست وجوی پرتوی احتمالی، k پسین را بطور تصادفی انتخاب میکند، بطوریکه احتمال انتخاب یک پسین، یک تابع صعودی از مقادیرش است. جست وجوی پرتو احتمالی تا حدی شبیه انتخاب طبیعی است، که در آن، پسین های (فرزندان) یک حالت (موجود زنده) نسل بعدی را براساس مقدارش (برازش آن) تولید میکند.
.gif)
