使用条件分布预测IDA*的性能
人工智能
2014-01-16 v1
摘要
Korf、Reid和Edelkamp引入了一个公式来预测在给定一致启发式的情况下，IDA*在单次迭代中将扩展的节点数，并通过实验证明该公式可以做出非常准确的预测。在本文中我们表明，除了要求启发式必须是一致的外，他们的公式预测仅在暴力搜索树中启发式值服从他们所定义并随后用于其公式的无条件分布的那些层级中才是准确的。然后我们提出了一个无需这些要求即可良好工作的新公式，即它可以对非一致启发式的IDA*性能做出准确预测，且即使任意层级的启发式值不服从无条件分布也能适用。为了实现这一点，我们引入了启发式值的条件分布，这是他们的无条件启发式分布的推广。我们还提供了公式的扩展，以处理单个起始状态以及将IDA*与双向pathmax（Bidirectional Pathmax, BPMX）相结合的情况，BPMX是一种在使用非一致启发式时传播启发式值的技术。实验结果证明了我们新方法及其所有变体的准确性。
引用
@article{arxiv.1401.3493,
title = {Predicting the Performance of IDA* using Conditional Distributions},
author = {Uzi Zahavi and Ariel Felner and Neil Burch and Robert C. Holte},
journal= {arXiv preprint arXiv:1401.3493},
year = {2014}
}