Breadth-First Search 与重启随机漫步在逃离无导向启发式区域方面的比较
人工智能
2025-11-13 v1
摘要
贪心搜索方法如 Greedy Best-First Search (GBFS) 和 Enforced Hill-Climbing (EHC) 常常在面对无导向启发式区域 (UHRs) 时（如启发式局部极小值或平坦区）困难单克。本文我们在理论与实证层面比较两种流行的逃离 UHRs 方法：广度优先搜索 (BrFS) 和重启随机漫步 (RRWs)。我们首先基于 UHR 的属性以及随机漫步程序的特性，推导出使用 BrFS 和 RRWs 逃离 UHR 的期望运行时间，然后利用这些结果识别在期望意义上 RRWs 何时会比 BrFS 更快。随后，我们通过将 EHC（使用 BrFS 逃离 UHRs）与称为 EHC-RRW（使用 RRWs 逃离 UHRs）的两种 EHC 变体进行比较，来评估这些方法在逃离 UHRs 方面的效果。EHC-RRW 在 EHC 之前被证明有效的情形下，具有强大的期望运行时间保证。我们还在 PDDL 规划基准测试上运行实验，以更好地理解这些方法在逃离 UHRs 方面的相对有效性。
引用
@article{arxiv.2511.09549,
title = {Breadth-First Search vs. Restarting Random Walks for Escaping Uninformed Heuristic Regions},
author = {Daniel Platnick and Dawson Tomasz and Eamon Earl and Sourena Khanzadeh and Richard Valenzano},
journal= {arXiv preprint arXiv:2511.09549},
year = {2025}
}