Algoritmo anytime
En informática, un algoritmo anytime es un algoritmo que puede devolver una solución válida a un problema incluso si se interrumpe antes de terminar. El algoritmo está preparado para encontrar soluciones cada vez mejores cuanto más tiempo se ejecuta.[1][2][3][4] Un ejemplo es el algoritmo de Newton-Raphson para calcular el cero de una función.[5]
La mayoría de algoritmos se ejecutan hasta terminar, proporcionando una única respuesta después de realizar una cantidad fija de cálculo. Sin embargo, en algunos casos, el usuario puede desear terminar el algoritmo antes de que el cálculo se complete. Por ejemplo, la cantidad de cómputo requerida puede ser considerable y puede ser necesario reasignar los recursos de cálculo a otras tareas. En la mayoría de los algoritmos, si no se ejecutan hasta su finalización no proporcionan información útil sobre la solución. Sin embargo, los algoritmos anytime pueden dar una respuesta parcial, cuya calidad depende de la cantidad de cómputo que hayan podido realizar. La respuesta generada por los algoritmos anytime es una aproximación de la respuesta correcta.
Referencias[editar]
- ↑ University of Michigan Artificial Intelligence Laboratory (ed.). «Anytime algorithms». Cognitive architectures. Archivado desde el original el 13 de diciembre de 2013.
- ↑ «Anytime algorithm - Computing Reference». eLook.org. Archivado desde el original el 12 de diciembre de 2013.
- ↑ Bender, Edward A. Mathematical Methods In Artificial Intelligence, IEEE Computer Society Pres, 1996
- ↑ Horsch, Michael C., Poole, David "An Anytime Algorithm for Decision Making under Uncertainty" http://www.cs.ubc.ca/spider/poole/papers/randaccref.pdf
- ↑ anytime algorithm from Free Online Dictionary of Computing (FOLDOC)
Bibliografía[editar]
- Boddy, M, Dean, T. 1989. Solving Time-Dependent Planning Problems. Technical Report: CS-89-03, Brown University
- Grass, J., and Zilberstein, S. 1996. Anytime Algorithm Development Tools. SIGART Bulletin (Special Issue on Anytime Algorithms and Deliberation Scheduling) 7(2)
- Michael C. Horsch and David Poole, An Anytime Algorithm for Decision Making under Uncertainty, In Proc. 14th Conference on Uncertainty in Artificial Intelligence (UAI–98), Madison, Wisconsin, USA, luglio 1998, pages 246-255.
- E.J. Horvitz. Reasoning about inference tradeoffs in a world of bounded resources. Technical Report KSL-86-55, Medical Computer Science Group, Section on Medical Informatics, Stanford University, Stanford, CA, marzo de 1986
- Wallace, R., and Freuder, E. 1995. Anytime Algorithms for Constraint Satisfaction and SAT Problems. Paper presented at the IJCAI-95 Workshop on Anytime Algorithms and Deliberation Scheduling, 20 August, Montréal, Canadá.
- Zilberstein, S. 1993. Operational Rationality through Compilation of Anytime Algorithms. Ph.D. diss., Computer Science Division, University of California at Berkeley.
- Shlomo Zilberstein, Using Anytime Algorithms in Intelligent Systems, AI Magazine, 17(3):73-83, 1996