NP难搜索问题启发式近似器的（不可）扩展性
人工智能
2022-12-09 v3 机器学习
摘要
A*算法常用于求解NP难组合优化问题。当提供完全信息启发式函数时，A*可在关于分支因子和最小代价路径中边数的多项式时间内求解许多NP难最小代价路径问题。因此，高精度地近似其完全信息启发式函数是NP难的。我们因而考察了近期提出使用神经网络用于此目的的文献。我们从理论和实验两方面支持了这些方案无法扩展到大型实例规模的论断。针对三个代表性NP难最小代价路径问题的初步实验结果表明，使用神经网络高精度近似完全信息启发式函数可能导致网络规模随实例规模呈指数增长。因此，研究界或可受益于探索将启发式搜索与机器学习相融合的其他途径。
引用
@article{arxiv.2209.03393,
title = {The (Un)Scalability of Heuristic Approximators for NP-Hard Search Problems},
author = {Sumedh Pendurkar and Taoan Huang and Sven Koenig and Guni Sharon},
journal= {arXiv preprint arXiv:2209.03393},
year = {2022}
}
备注
10 pages, 5 figures