数值规划中基于子目标松弛的无限动作启发式方法
人工智能
2025-12-30 v1
摘要
带控制参数的数值规划扩展了标准的数值规划模型，引入动作参数作为自由数值变量，在规划过程中必须实例化。这导致该问题中可能存在无限多可用的动作。在此设置下，利用动作结构的即插即用数值启发式方法是不可行的。本文识别出这些问题的一个可计算子集——即可控且简单的数值问题——并提出一种乐观编译方法，将其转化为简单数值任务。为此，我们将受控制依赖的表达式抽象为受限常量效应和松弛前置条件。所提出的编译方法使得能够有效地使用子目标启发式来估计数值规划问题中带有控制参数的目标距离。我们的结果表明，这种方法是一种有效且可计算可行的方式，将传统数值启发式方法应用于存在无限可能动作的setting 中，推动了当前最先进技术的边界。
引用
@article{arxiv.2512.22367,
title = {Subgoaling Relaxation-based Heuristics for Numeric Planning with Infinite Actions},
author = {Ángel Aso-Mollar and Diego Aineto and Enrico Scala and Eva Onaindia},
journal= {arXiv preprint arXiv:2512.22367},
year = {2025}
}