论文部分内容阅读
本文研究如下新的“具有时滞d的q维e容错搜索模型”(模型SLD)和“q维e容错搜索的对偶模型”(模型SLP)。
研究SLD这类模型的中心任务是:找到提问者Q总能够正确识别出秘密数x*的具有最小提问次数的最优策略.如果提问者Q从搜索空间S={1,2,…,M}出发,进行κ次提问能够正确识别出秘密数x*,我们称提问者Q能够取胜(M,k;d,e)游戏.令fq(M;d,e)=min{k|提问者Q能够取胜(M,k;d,e)游戏}那么具有时滞d的q维e容错搜索模型的中心任务是确定fq(M;d,e)的精确值并提供相应的策略.
研究SLP这类模型的中心任务是:寻找提问者Q能够幸存下来的具有最大轮问答次数的算法.如果提问者Q能够从搜索空间S={1,2,…,M}出发,进行κ轮问答后所导致的任何一个状态都是幸存状态,我们称提问者Q能够取胜[M,k;q,e]*游戏.令U*(M;q,e)=max{k|提问者Q能够取胜[M,k;q,e]*游戏}这类模型的中心任务就是确定U*(M;q,e)的精确值并提供相应的策略.
本文的主要成果为:
针对q≥2和M任意值时的具有时滞1的q维2容错搜索模型.首先证明了当M=qm时的最小提问次数fq(qm;1,2)的精确值就是初始状态的特征.其次当M取任意值时,利用最小提问次数fq(qm;1,2)的精确值,确定出最小提问次数fq(M;1,2)的上下界:ch(M,0,0)≤fq(M;1,2)≤ch(M,0,0)+1.
针对q≥2和M任意值时的q维2容错搜索的对偶模型.首先当M=qm时我们获得了U*(qm;q,2)的精确值.其次当M取任意值时,利用最大轮问答次数U*(qm;q,2)的精确值,确定出最大问答轮数U*(M;q,2)的上下界:ch*(M,0,0)-1≤U*(M;q,2)≤ch*(M,0,0).