Apprendimento di metalivello
L'apprendimento di metalivello è una tecnica di apprendimento automatico utilizzata negli algoritmi di ricerca euristica per riconoscere i cammini di ricerca poco promettenti sulla base dell'esperienza passata. Ogni volta che un algoritmo di ricerca espande un nodo viene a crearsi un particolare cammino di ricerca nell'albero di ricerca ( sottoalbero di ricerca ) e alcuni cammini non si rivelano soddisfacenti. L'analisi di metalivello consiste nella memorizzazione di ciascun cammino nell'albero di ricerca in uno stato dello spazio degli stati di metalivello. Lo spazio degli stati di metalivello si distingue dallo spazio degli stati della ricerca poiché è dedicato esclusivamente ad analizzare il cammino di ricerca e non il contenuto degli oggetti. L'analisi dello spazio degli stati di metalivello consente di apprendere e di riconoscere le similitudini tra i vari cammini, isolando gli elementi in comune dei cammini più soddisfacenti e di quelli fallimentari. In tal modo l'algoritmo realizza un apprendimento di metalivello che gli consente di riconoscere i sottoalberi più promettenti e di escludere dall'esplorazione quelli meno promettenti.
Nello spazio degli stati di metalivello lo scopo dell'algoritmo è la ricerca di una euristica efficace in grado di migliorare l'algoritmo di ricerca informata, al fine di ridurre il costo e/o il tempo della ricerca a parità di efficacia della soluzione. L'apprendimento di metalivello può, quindi, essere un lavoro svolto sia da un secondo algoritmo ( sistema esperto ) che dagli stessi algoritmi di ricerca. In entrambi i casi i risultati dell'apprendimento di metalivello sono memorizzati in un database di conoscenza a disposizione dell'algoritmo di ricerca informata.