经典搜索的随机过程模型
人工智能
2015-11-30 v1
摘要
在具有相同启发式信息的经典搜索算法中，在内存充足的情况下，A*在找到经验证的最优解方面本质上尽可能快。然而，在许多情况下最优解根本不可行，因此期望用解的质量换取速度的搜索算法。在本文中，我们将经典搜索过程形式化为一个元级决策问题，即抽象搜索MDP（Abstract Search MDP）。对于任何给定的优化准则，这确立了搜索算法最佳可能行为的明确定义，并为该准则的算法设计提供了理论方法。我们进一步近似求解了面向 anytime 算法的抽象搜索 MDP 的一个版本，从而推导出一种新的搜索算法，即通过最大化增量改进率进行搜索（SMIRI）。结果表明，在参数化随机树模型上，对于大多数测试的参数值，SMIRI 优于当前最先进的 anytime 搜索算法。
引用
@article{arxiv.1511.08574,
title = {A Stochastic Process Model of Classical Search},
author = {Dimitri Klimenko and Hanna Kurniawati and Marcus Gallagher},
journal= {arXiv preprint arXiv:1511.08574},
year = {2015}
}
备注
Submitted to ICAPS 2016