理解经典规划中启发式函数学习的样本生成策略

我们研究在经典规划任务中，基于由状态及其到目标代价估计表示的样本，利用神经网络学习良好启发式函数的问题。该启发式函数针对某一状态空间和目标条件进行学习，样本数量限制为状态空间大小的一部分，且必须对具有相同目标条件的状态空间中的所有状态具有良好的泛化能力。我们的主要目标是更好地理解样本生成策略对由学习到的启发式函数引导的贪婪最佳优先启发式搜索（GBFS）性能的影响。在一组受控实验中，我们发现两个主要因素决定了所学启发式的质量：用于生成样本集的算法，以及样本对完美到目标代价的估计接近程度。这两个因素是相关的：如果样本在状态空间中分布不佳，即便拥有完美的到目标代价估计也是不够的。我们还研究了其他影响，例如添加具有高价值估计的样本。基于我们的发现，我们提出了改进所学启发式质量的实用策略：三种旨在生成更具代表性状态的策略，以及两种改进到目标代价估计的策略。我们的实用策略所得到的启发式函数，在引导 GBFS 算法时，与基线学习启发式相比，平均覆盖率提高了超过 30%。