Verfahren zur Durchsuchung oder Erkundung des Lösungsraums eines Optimierungsproblems, wie z.B. dynamische Programmierung, Branch-and-Bound, Breitensuche [breadth-first search], Tiefensuche [depth-first search], Kürzeste-Wege-Algorithmen [shortest path algorithms], Verfahren auf der Grundlage von Baum- oder Graphendarstellungen (z.B. Baum- oder Graphentraversierung, Monte-Carlo-Baumsuche), Logik erster Ordnung (z. B. automatisches Beweisen von Theoremen), Heuristiken oder Modelle auf der Grundlage von Erfahrungswissen. Das Optimierungsproblem wird in der Regel durch ein oder mehrere Ziele oder Nebenbedingungen definiert. Das Ergebnis kann eine optimale Lösung darstellen oder ein Hinweis darauf sein, dass das Problem gelöst werden kann oder dass seine Lösungen verifiziert werden können. Solche Verfahren werden in der Regel eingesetzt, wenn klassische Verfahren nicht in der Lage sind, in kurzer Zeit eine exakte Lösung zu finden.
Typische Beispiele für solche Verfahren sind: Annealing-Verfahren, Monte-Carlo-Suchverfahren, adaptive Suchverfahren, Exploration-Exploitation-Verfahren, Constraint-Solver, Constraint-Optimierungen, empirische Optimierungen, Replika-Methode, Prädikatenlogik, Iterative Dichotomiser 3 [ID3], C4.5-Algorithmen, Klassifikations- und Regressionsbäume [Classification And Regression Trees, CART], Entscheidungsbäume, Isolation Forest oder Random Forest, GOFAI [Good Old Fashion Artificial Intelligence]-Verfahren.
| Videospiele | A63F 13/00 |
| Komplexe mathematische Operationen zur Lösung von Gleichungen | G06F 17/11 |
| Rechnergestützter Entwurf [CAD] zum Optimieren, Verifizieren oder Simulieren von Entwürfen | G06F 30/20 |
| Vorhersage oder Optimierung, besonders ausgebildet für verwaltungstechnische oder betriebswirtschaftliche Zwecke | G06Q 10/04 |
| IKT besonders ausgebildet für medizinische Diagnostik, medizinische Simulation oder medizinisches Data-Mining; IKT besonders ausgebildet für die Detektion, Überwachung oder Modellierung von Epidemien oder Pandemien | G16H 50/00 |