经典规划中域模型设计的能源影响

AI 研究传统上侧重于算法性能，例如在机器学习中优化准确率，在自动规划中优化运行时间。然而，绿色 AI 新兴范式挑战了这种做法，因其认识到能源消耗作为关键性能维度。尽管自动规划计算需求高昂，其能源效率却受到很少关注。这种差距在模块化规划结构中尤为突出，即域模型可独立于算法进行指定。相反，这种分离也使得通过域模型设计进行能源使用系统性分析成为可能。我们在经典规划中实证调查了域模型特征如何影响能源消耗。我们引入一种域模型配置框架，使可对特征进行受控变更，包括元素排序、动作元数和死亡状态。通过五个基准域和五种最先进的规划器，我们分析了 32 个域变体下的能源和运行时间影响。结果表明，域层面的修改在不同规划器之间产生可测量的能源差异，能源消耗并不总是与运行时间相关联。