从预图像采样以学习经典规划的启发式函数
人工智能
2022-07-08 v1
摘要
我们引入了一种新算法——基于回归的监督学习（RSL），用于为经典规划问题学习逐实例的神经网络（NN）定义的启发式函数。RSL使用回归在距目标不同距离范围内选择相关的状态集合。随后，RSL构建一个监督学习问题，利用标注了到目标状态的精确或估计距离的选择状态，来获取定义NN启发式的参数。我们的实验研究表明，就覆盖率而言，RSL优于先前的经典规划NN启发式函数，同时所需的训练时间少两个数量级。
引用
@article{arxiv.2207.03336,
title = {Sampling from Pre-Images to Learn Heuristic Functions for Classical Planning},
author = {Stefan O'Toole and Miquel Ramirez and Nir Lipovetzky and Adrian R. Pearce},
journal= {arXiv preprint arXiv:2207.03336},
year = {2022}
}