最小化带重置搜索的挥霍度

我们引入搜索过程的挥霍度，作为其预期成本与找到目标概率之间的竞争。竞争的仲裁者是一个参数λ，表示搜索者投入多少来增加成功机会。针对搜索策略最小化挥霍度，即可确定最优搜索。我们证明，在随机重置扩散的情况下，最优策略中的重置量对模型参数具有高度非平凡的依赖关系，导致经典连续相变、不连续相变和三临界点，以及表现出重入行为和悬垂的非标准不连续相变。