加拿大旅行者问题的理论与实验分析
人工智能
2017-02-24 v1
摘要
在部分可观测环境中设计最优导航策略是人工智能中的关键目标之一。此背景下的一个问题便是加拿大旅行者问题（CTP）。CTP 是一个导航问题，其中智能体受命在部分可观测加权图中从源点行进至目标点，其边可能以一定概率被阻塞，且仅有当到达边的某一端点时才能观测到此种阻塞。目标是找到最小化期望旅行代价的策略。已知该问题是 P# hard。本工作中我们从理论与经验上研究 CTP。首先，我们研究 Dep-CTP，这是我们引入的 CTP 变体，其假设边状态间存在依赖关系。我们证明 Dep-CTP 是难解的，并进一步分析了不相交路径图上的两个子类。其次，我们开发了通用算法 Gen-PAO，可最优求解 CTP。Gen-PAO 能够求解另外两类 CTP：Sensing-CTP 与 Expensive-Edges CTP。由于 CTP 难解，Gen-PAO 使用一些剪枝方法来缩减最优解的空间搜索。我们还定义了 Gen-PAO 的一些变体，比较其性能并展示了 Gen-PAO 相对于已有工作的若干优势。
引用
@article{arxiv.1702.07001,
title = {Theoretical and Experimental Analysis of the Canadian Traveler Problem},
author = {Doron Zarchy},
journal= {arXiv preprint arXiv:1702.07001},
year = {2017}
}