[論文レビュー] Bounding Search Space Size via (Hyper)tree Decompositions

Lars Otten, Rina Dechter|arXiv (Cornell University)|Jun 13, 2012

Data Management and Algorithms参考文献 13被引用数 4

ひとこと要約

本稿では、(ハイパーティー)分解を活用することで、グラフィカルモデルにおけるAND/OR探索アルゴリズムの探索空間のサイズを制限する新規手法を提案する。問題仕様に内在する決定論的性質を活用することで、実用的インスタンスにおいて、従来手法と比較して数個のオーダーも改善された極めてタイトな境界を達成する。

ABSTRACT

This paper develops a measure for bounding the performance of AND/OR search algorithms for solving a variety of queries over graphical models. We show how drawing a connection to the recent notion of hypertree decompositions allows to exploit determinism in the problem specification and produce tighter bounds. We demonstrate on a variety of practical problem instances that we are often able to improve upon existing bounds by several orders of magnitude.

研究の動機と目的

• グラフィカルモデルにおけるAND/OR探索アルゴリズムの探索空間サイズに対するよりタイトな境界を確立すること。
• 問題仕様に内在する決定論的性質を活用して、探索空間の推定を改善すること。
• 制約推論および確率的推論における性能予測のためのスケーラブルで実用的な手法を提供すること。
• 実世界の問題インスタンスにおいて、既存の境界技術を上回る本手法の優位性を実証すること。

提案手法

• 問題の制約ネットワークをモデル化するために、ハイパーティー分解を構造的抽象化として用いる。
• 分解を適用して、問題仕様に内在する決定論的依存関係を同定および活用する。
• ハイパーティー分解の幅と決定論的変数の構造に基づいて、探索空間サイズの境界を導出する。
• 境界をAND/OR探索フレームワークに統合し、探索の誘導と効率の向上を図る。
• 分解を活用して、重複するか決定論的な分岐を探索しないようにするプリーニング機構を採用する。
• 分解のハイパーエッジ構造を用いて複雑な制約を表現し、探索空間を因数分解する。

実験結果

リサーチクエスチョン

• RQ1 ハイパーティー分解を用いて、AND/OR探索アルゴリズムにおける探索空間サイズのよりタイトな境界を導出可能か？
• RQ2 問題構造に決定論的性質を組み込むと、探索空間境界のタイトさにどのような影響を与えるか？
• RQ3 本手法は、実用的グラフィカルモデルクエリにおいて、既存の境界技術をどの程度上回るか？
• RQ4 分解の幅が境界のスケーラビリティおよび正確性に与える影響は何か？
• RQ5 AIおよび制約充足分野の多様な実世界問題インスタンスにおいて、本手法はどのように性能を発揮するか？

主な発見

• 提案手法は、実用的インスタンスにおいて、従来手法と比較して数個のオーダーもタイトな探索空間境界を達成する。
• ハイパーティー分解を用いて決定論的性質を活用することで、推定される探索空間サイズが顕著に削減される。
• 制約充足および確率的推論分野の多様なベンチマーク問題において、一貫した改善効果を示す。
• 境界の計算は計算的に効率的であり、AND/OR探索フレームワークへの統合がスムーズに可能である。
• ハイパーティー分解の幅が境界のタイトさの主要要因であり、幅が小さいほど性能が向上する。
• 実験的結果から、変数の接続性が高くなる状況でも、本手法はベースライン境界を上回ることが示された。