经典规划中的基于计数的新颖探索

基于计数的探索方法广泛用于改进学习代理在序列决策问题中的探索行为。而新颖搜索通过记录元组的第一次出现（但非后续出现）在经典规划中取得了成功。为了结构化探索， however，随搜索进行，需要考虑的元组数量呈指数增长。我们提出了一种新的新颖技术，即经典计数新颖性，通过利用每个元组在搜索树中出现的频率，以常数数量的元组来探索状态空间。我们通过阐述较低元组计数如何引导搜索 toward novel 元组来证明机制。我们还引入了以修剪 novelty 值较差的节点以维持常数大小的修剪开放列表的算法贡献。这些技术被证明与现有的新颖启发式方法集成到经典求解器中时互补，能够在来自最近国际规划比赛的具有挑战性的基准测试中取得具有竞争力的结果。此外，将我们的求解器作为双配置前端规划器集成时，利用内存和时间阈值，实例覆盖率显著提高，超过当前最先进的求解器。