[論文レビュー] Cost Based Satisficing Search Considered Harmful

William Cushing, J. Benton+1 more|arXiv (Cornell University)|Mar 18, 2011

AI-based Problem Solving and Planning参考文献 24被引用数 9

ひとこと要約

この論文は、高コスト分散を示すドメインでは、コストベースの満足探索（A*を用いて）が根本的に欠陥を有すると主張している。これは、最適性の確認前に、コストが高く非最適な経路を無駄に探索してしまうためである。代わりに、特にコスト感受性のあるサイズベースのヒューリスティクスを含むサイズベースの評価関数を提案し、理論的・実験的証明を通じて、『εコストの罠』を回避し、速度および解の品質の両面でコストベース手法を上回ることを示している。

ABSTRACT

Recently, several researchers have found that cost-based satisficing search with A* often runs into problems. Although some "work arounds" have been proposed to ameliorate the problem, there has not been any concerted effort to pinpoint its origin. In this paper, we argue that the origins can be traced back to the wide variance in action costs that is observed in most planning domains. We show that such cost variance misleads A* search, and that this is no trifling detail or accidental phenomenon, but a systemic weakness of the very concept of "cost-based evaluation functions + systematic search + combinatorial graphs". We show that satisficing search with sized-based evaluation functions is largely immune to this problem.

研究の動機と目的

• コストベースの満足探索における性能劣化の根本的要因を、特にアクションコストの分散が大きいドメインにおいて特定すること。
• 満足探索に最適であると広く信じられているコストベース評価関数の仮定に疑問を呈すること。
• サイズベースの探索戦略が、系統的非効率性にさらされにくく、より効果的であることを示すこと。
• コストベースA*探索が『εコストの罠』により本質的に非効率であるという理論的・実証的証拠を提供すること。
• 満足探索における優れたデフォルト戦略として、サイズベースの評価関数を提唱すること。

提案手法

• 非一様なアクションコストを有する組合せ的グラフにおけるA*探索の理論的分析により、εが最小アクションコストである『εコストの罠』を同定すること。
• 3種類の評価関数の形式的定式化：コストベース（f_c）、サイズベース（f_s）、コスト感受性サイズベース（f̂_s）、ここでf̂_sは最安経路のサイズを返す。
• 抽象的探索空間の使用により、コストベース評価関数がサイズベースの代替手法に比べ、探索効率において系統的に劣ることを示すこと。
• 評価関数によって定義される表面の『洪水』としてのA*探索のトポロジー的解釈により、コストベース関数が誤解を招く遅延拡張の平らな領域を生み出すこと。
• LAMAおよびSapaReplanを用いたZenoTravelドメインにおける実験的検証により、時間制限下でf_c、f_s、ハイブリッド、およびタイブレーキング変種を比較すること。
• LAMAの内部メカニズムの分析により、その性能向上が深さ優先探索の行動を間接的に誘発するヒューリスティクスに起因することを示し、『εコストの罠』を根本的に解消するのではなく、隠蔽していること。

実験結果

リサーチクエスチョン

• RQ1 なぜコストベースA*探索は、アクションコストの分散が大きい計画ドメインで性能を発揮しないのか？
• RQ2 コストベース評価関数、系統的探索、組合せ的グラフの組み合わせに起因する、非効率性を引き起こすシステム的欠陥は何か？
• RQ3 サイズベース評価関数は『εコストの罠』を回避でき、実際の応用においてコストベース探索を上回るのか？
• RQ4 ハイブリッド評価関数（例：サイズとコストの組み合わせ）は、純粋なサイズベースまたはコストベースアプローチと比べてどのように異なるのか？
• RQ5 現代のプランナーオプティマイゼーション（例：LAMAにおけるもの）は、コストベース探索の根本的非効率性をどの程度隠蔽しているのか？

主な発見

• コスト分散が大きいドメインでは、コストベースA*探索の時間計算量はb^(d/ε)に比例し、ここでdは最適解の深さ、εは最小アクションコストである。これは指数的遅延を引き起こす。
• サイズベース評価関数（f_s）は、コストベース関数（f_c）よりも、より良いコストの解をより速く見つけることができ、2都市のZenoTravel問題では83.4％の成功率を示したのに対し、f_cは77.8％であった。
• コスト感受性サイズベース関数（f̂_s）は2都市問題で88.8％の成功率を達成し、純粋なコストベースおよびハイブリッドアプローチを上回った。
• タイブレーキング戦略は性能にほとんど影響を及ぼさず、あるいは逆効果を示した。これは、評価関数設計が、二次的探索ヒューリスティクスよりもはるかに重要であることを示している。
• LAMAおよびSapaReplanは、コストベース探索の本質的非効率性に起因するのではなく、深さ優先探索の行動を間接的に模倣することで、期待以上の性能を発揮している。
• 本研究は、コストベース探索が根本的に有害であると確認しており、特にコスト分散が顕著な現実世界のドメインでは、デフォルト戦略としての使用が不適切である。