讨论在计算能力不足时使用替代逼近过程和启发式方法以及使用用户效用结构对推理进行量身定制来平衡部分结果的成本和收益的应用决策理论来解决困难问题的解决方案。

Mar, 2013

该论文提出了一种新的规划算法，通过动态规划算法实现了计算效率的大幅提升，并且简化了目标分布的制定，同时在不确定的条件下获得了准确的模型学习和规划。

Jul, 2023

本研究采用计算水平建模和复杂性分析方法，以分割作为案例研究，证明了关于搜索空间大小和困难性方面的两组数学结论，旨在评估现有关于亚能力的观点，特别是涉及认知系统能力的未经审查的直觉假设，以确保概念化不会误导后来出现的实证问题。

Jan, 2022

本文说明自适应计算对于学习不同难度样例所需推断步骤的有效性，且学习正确推断步数是困难的；还介绍了首个涉及自适应计算时间的模型，不仅在与没有自适应部分的类似模型相比性能更佳，还能深入理解模型的推理过程。

Oct, 2016

论文阐述了计算复杂性理论对于数学知识、强人工智能辩论、计算主义、逻辑无知问题、彭加莫的格鲁谜题、量子力学基础、经济理性、闭合类时曲线等哲学问题的影响，并讨论了计算复杂性理论本身受益于哲学分析的方面。

Aug, 2011

本文提出了一个利用贝叶斯模型为决策性控制搜索和推理算法提供通用框架的方法，并通过结构化约束满足问题的一种难类任务，演示了该方法的应用。本文进一步探讨了如何通过学习贝叶斯模型来创建动态截止策略，以及在哪些情况下动态重启策略能够超越理论上最优的固定策略。

Jan, 2013

本文继续研究适用于归纳推理系统的体积和能量测量，扩展了 AIT 中的逻辑深度和概念跳跃大小测量到随机问题和涉及体积和能量的物理测量，介绍了计算复杂性的图形模型，展示出归纳推理的能量、逻辑深度和计算体积之间的一些渐近关系，引入了基于能量限制的算法熵，并简要讨论了我们宇宙中智能计算的物理极限。

Apr, 2015

这篇论文提出了与计算社会选择和参数化算法相关的九个挑战。

Jul, 2014

本文探讨了人类行为的约束条件、现实情境中这些限制的复杂性和智能代理如何适应这些约束条件，旨在给出一种通用的约束条件处理方法。

Mar, 2023

该研究提出了一种通向一般、领域无关的领域复杂度水平的路径，该水平由固有和外在两个要素组成，可以帮助量化预测人工智能系统在转变测试环境、面对开放世界任务中的分布数据以及导航在开放世界领域中快速扩展的解决方案和搜索空间时所面临的困难。

Mar, 2023