使用贪婪随机搜索的近似基于模型诊断
人工智能
2014-01-17 v1
摘要
我们提出了一种随机故障诊断算法，称为 SAFARI，它以计算最小诊断的保证换取计算效率。我们使用 74XXX 和 ISCAS-85 基准组合电路套件实证证明，在多故障诊断方面，SAFARI 相比两种著名的确定性算法 CDA* 和 HA* 实现了数个数量级的加速；此外，SAFARI 能够计算出一系列 CDA* 和 HA* 无法计算的多故障诊断。我们还证明，对于一系列命题故障模型（如广泛使用的弱故障模型，即对异常行为未知的模型），SAFARI 是最优的。我们讨论了 SAFARI 在一类具有固定故障模式的强故障电路模型中的最优性。通过将算法本身建模为马尔可夫链，我们给出了所计算出诊断的最小性的精确界限。SAFARI 还表现出强随时性能，在任何非平凡的推理时间后都将返回一个诊断。
引用
@article{arxiv.1401.3848,
title = {Approximate Model-Based Diagnosis Using Greedy Stochastic Search},
author = {Alexander Feldman and Gregory Provan and Arjan van Gemund},
journal= {arXiv preprint arXiv:1401.3848},
year = {2014}
}