[論文レビュー] Exponential-Binary State-Space Search

Nathan Sturtevant, Malte Helmert|arXiv (Cornell University)|Jun 7, 2019

AI-based Problem Solving and Planning参考文献 10被引用数 4

ひとこと要約

本稿では、指数的探索と二分探索を組み合わせることで、ヒューリスティック状態空間探索における最適なfコストバウンドを効率的に特定する、新しいフレームワークである指数的二分探索状態空間探索（EBSS）を提案する。最悪ケースのノード展開回数をO(N²)からO(N log C*)に削減することで、不一致ヒューリスティクスを用いたIDA*およびA*-スタイル探索の性能を向上させ、実用的にほぼオラクル性能を達成しながらも、最適解の保証を維持する。

ABSTRACT

Iterative deepening search is used in applications where the best cost bound for state-space search is unknown. The iterative deepening process is used to avoid overshooting the appropriate cost bound and doing too much work as a result. However, iterative deepening search also does too much work if the cost bound grows too slowly. This paper proposes a new framework for iterative deepening search called exponential-binary state-space search. The approach interleaves exponential and binary searches to find the desired cost bound, reducing the worst-case overhead from polynomial to logarithmic. Exponential-binary search can be used with bounded depth-first search to improve the worst-case performance of IDA* and with breadth-first heuristic search to improve the worst-case performance of search with inconsistent heuristics.

研究の動機と目的

• 最適なコストバウンドが未知である場合の反復的深さ優先探索の高い最悪ケース時間計算量を解消すること。
• 不一致ヒューリスティクスを用いたIDA*およびA*におけるノード展開回数を削減し、再展開の繰り返しによる2次的なオーバーヘッドを軽減すること。
• 探索の速度と正確性のバランスを適応的に制御できる汎用的な探索フレームワークを開発すること。
• 最適解のコストに近く、かつ最適性の保証を維持した性能を実現すること。

提案手法

• EBSSは、最適なfコストバウンドを特定するために、指数的探索フェーズと二分探索フェーズを交互に実行するハイブリッド探索戦略を採用する。
• fコストバウンドの増加が遅すぎず速すぎないよう、ノード展開回数の下限と上限を維持する。
• fコストバウンドの指数的増加と二分探索による精密化を交互に繰り返し、最適なコストウィンドウに収束させる。
• 不一致ヒューリスティクスに対応できるように、再展開のオーバーヘッドを制御しながら、IDA*-スタイルの深さ優先探索とA*-スタイルの幅優先探索の両方に適応可能である。
• 初期の指数的ステップサイズを制御する設定可能なパラメータΔを用いることで、初期段階の探索効率を調整する。
• 初期化、ゴール判定、後続状態の取得、コスト、ヒューリスティック関数（init, is_goal, succ, cost, h）といったブラックボックス型の状態空間アクセスを活用することで、多様な問題領域に一般化して適用可能である。

実験結果

リサーチクエスチョン

• RQ1 指数的探索と二分探索を組み合わせたハイブリッド探索戦略は、反復的深さ優先探索における最悪ケースのノード展開オーバーヘッドを低減できるか？
• RQ2 非ユニットコストを伴う問題において、指数的二分探索はIDA*と比べてノード展開回数と実行時間の点でどのように異なるか？
• RQ3 不一致ヒューリスティクスを用いたA*において、EBSSは再展開のオーバーヘッドをどの程度低減できるか？
• RQ4 EBSSは実用的にオラクル性能に近く、かつ最適性を保証する性能を達成できるか？
• RQ5 パラメータ（Δや展開ウィンドウサイズ）の選択にどれほど感度を示すか？

主な発見

• EBTSは重み付き4x4スライディングタイルパズルの100インスタンスすべてをリソース制限内で解消したが、IDA*は57インスタンスのみであった。
• 最適パラメータを用いた場合、EBTSはノード展開を858.6×10⁶回にまで削減したのに対し、IDA*は62,044.3×10⁶回であった。ノード展開回数は約72倍に削減された。
• 4x4スライディングタイルパズルにおいて、EBTSはオラクル性能の3倍以内の性能を達成し、ほぼ最適な効率性を示した。
• パンケーキパズルにおいて、EBTS(10,20,1e6,1e6)は100インスタンスすべてを10.3×10⁶回の展開で解消したのに対し、IDA*は590.73×10⁶回であった。
• Mérő（1984）の不一致ヒューリスティクスを用いたグラフにおいて、EBGS(10,20,3)はk=10,000までスケーリング可能であり、ノード展開は91,625回にとどまり、A*の7500万回に比べてはるかに少ない。
• 最大のテストインスタンスにおいて、EBGSはオラクル性能（20,002対91,625回の展開）に近く、オーバーヘッドが対数的に増加することを示した。