因子空间中随机规划的近似推断
人工智能
2022-09-05 v4 统计计算
摘要
随机规划可归约为大型离散图模型中的概率推断，但推断的困难性要求使用近似方案。本文我们认为此类应用可沿两个维度解耦。其一是理想精确优化目标中的信息流方向，即前向推断与后向推断。其二是用于计算该目标的近似类型，例如置信传播（BP）与平均场变分推断（MFVI）。这一新分类使我们能统一先前工作中大量孤立的努力，解释其联系与差异以及潜在改进。对大型随机规划问题的广泛实验评估显示了前向 BP 相对于若干基于 MFVI 算法的优势。对 MFVI 实际局限的分析促使我们提出一种新算法——坍缩状态变分推断（CSVI），其提供了更紧的近似并与前向 BP 取得相当的规划性能。
引用
@article{arxiv.2203.12139,
title = {Approximate Inference for Stochastic Planning in Factored Spaces},
author = {Zhennan Wu and Roni Khardon},
journal= {arXiv preprint arXiv:2203.12139},
year = {2022}
}