DynamicHS：精简 Reiter 碰集树用于序贯诊断
人工智能
2020-12-22 v1
摘要
给定一个未按预期工作的系统，序贯诊断（SD）旨在建议一系列系统测量，以从潜在指数级数量的可能解释中隔离出系统异常行为的真实解释。为推理下一步最佳测量，SD 方法通常需要在迭代诊断过程的每步提供一组可能故障解释的采样。该采样的计算可由多种诊断搜索算法完成。其中，Reiter 的 HS-Tree 因其良好性质与普遍适用性而最为流行。通常，HS-Tree 在 SD 过程中以无状态方式使用，在每次迭代中（重）计算可能故障解释的采样，每次均给定最新（更新后）的系统知识，包括所有已采集测量。此时，构建的搜索树在两轮迭代间被丢弃，尽管下一轮往往需重建树的很大部分，涉及冗余操作与对昂贵推理服务的调用。为此，我们提出 DynamicHS，一种在诊断会话全程保持状态的 HS-Tree 变体，并额外采用特殊策略以最小化昂贵推理器调用次数。就此，DynamicHS 回答了 Raymond Reiter 在 1987 年开创性论文中提出的一个长期问题。在真实诊断问题上的广泛评估证明了 DynamicHS 的合理性，并证实其在计算时间上相对于 HS-Tree 的明显优势。更具体地，DynamicHS 在 96% 的已执行序贯诊断会话中优于 HS-Tree，且每次运行后者所需时间为前者的至多 800%。值得注意的是，DynamicHS 在保持 HS-Tree 所有良好性质与普遍适用性的同时实现了这些性能提升。
引用
@article{arxiv.2012.11078,
title = {DynamicHS: Streamlining Reiter's Hitting-Set Tree for Sequential Diagnosis},
author = {Patrick Rodler},
journal= {arXiv preprint arXiv:2012.11078},
year = {2020}
}