利用图神经网络选择经典规划器
人工智能
2024-02-08 v1 机器学习
摘要
在线规划器选择任务是指为给定的规划问题从预定义集合中选择一个求解器。由于规划计算困难，求解器在不同规划问题上的表现差异很大。因此，预测它们在给定问题上的性能至关重要。虽然已采用多种学习方法，但对于经典成本最优规划，主流方法使用的是图神经网络 (GNNs)。在本工作中，我们延续了利用 GNNs 进行在线规划器选择的研究路线。我们深入调查了所选 GNN 模型、图表示和节点特征以及预测任务的影响。进一步地，我们提出将由 GNN 获得的图表示作为输入传递给极端梯度提升 (XGBoost) 模型，从而形成一种资源效率更高且更准确的方法。我们展示了多种基于 GNN 的在线规划器选择方法的有效性，为在线规划器选择的研究开辟了新的激动人心的途径。
引用
@article{arxiv.2402.04874,
title = {Choosing a Classical Planner with Graph Neural Networks},
author = {Jana Vatter and Ruben Mayer and Hans-Arno Jacobsen and Horst Samulowitz and Michael Katz},
journal= {arXiv preprint arXiv:2402.04874},
year = {2024}
}