高效生成随机最短路径问题的约束
人工智能
2026-04-03 v1
摘要
随机最短路径问题（SSPs）通常通过计算每个状态的成本到达值来求解，采用 Bellman 备份方法。Bellman 备份通过遍历每个可适用动作、计算应用每个动作后的成本到达值，然后选择最小动作的成本到达值来更新状态的成本到达值。最先进的算法使用启发函数；这些函数提供成本到达值的初始估计，使算法仅针对由低估计成本到达值确定的有前景状态应用 Bellman 备份。然而，每个 Bellman 备份仍然考虑所有可适用动作，即使启发函数告诉我们其中一些动作太昂贵，导致此类算法在无用动作上浪费时间。为解决这一问题，我们提出了一种技术，使用启发函数避免昂贵动作，将启发式搜索重新建模为线性规划，并引入 SSPs 的高效约束生成实现。我们提出了 CG-iLAO*，一种新算法，将其新颖技术适用于 iLAO*，并在许多问题中仅考虑 iLAO* 的 40% 的动作，部分问题甚至仅为 1%。因此，CG-iLAO* 在大多数问题上平均计算比最先进的 iLAO* 和 LRTDP 少 3.5 倍的动作成本到达值，使其平均快 2.8 倍和 3.7 倍求解问题。
关键词
引用
@article{arxiv.2604.01855,
title = {Efficient Constraint Generation for Stochastic Shortest Path Problems},
author = {Johannes Schmalz and Felipe Trevizan},
journal= {arXiv preprint arXiv:2604.01855},
year = {2026}
}