[論文レビュー] The Complexity of Plan Existence and Evaluation in Probabilistic Domains

Judy Goldsmith, Michael L. Littman+1 more|arXiv (Cornell University)|Feb 6, 2013

AI-based Problem Solving and Planning被引用数 5

ひとこと要約

この論文は、要約表現を用いた確率的計画領域における計画存在可能性と評価の計算複雑性を分析する。主な問題がNP、co-NP、PP、NP^PP、co-NP^PP、PSPACEといった複雑性クラスに完全であることを確立し、AIにおける不確実性に関して特に重要なPPおよびNP^PPを強調し、将来のアルゴリズム開発の方向性を示唆する。

ABSTRACT

We examine the computational complexity of testing and finding small plans in probabilistic planning domains with succinct representations. We find that many problems of interest are complete for a variety of complexity classes: NP, co-NP, PP, NP^PP, co-NP^PP, and PSPACE. Of these, the probabilistic classes PP and NP^PP are likely to be of special interest in the field of uncertainty in artificial intelligence and are deserving of additional study. These results suggest a fruitful direction of future algorithmic development.

研究の動機と目的

• 要約表現を用いた確率的計画領域における計画が存在するかどうかを決定する計算複雑性を分析すること。
• このような領域における与えられた計画の品質または確率を評価する問題の複雑性を評価すること。
• 既知の複雑性クラスを用いて、計画存在可能性および評価問題の難易度を分類すること。
• 特に確率的複雑性クラス（例：PP や NP^PP）が、不確実性を伴うAI計画において最も関連性があると考えられる複雑性クラスを特定すること。
• 確率的計画システムの実行可能性の限界を理解する理論的基盤を提供すること。

提案手法

• 著者たちは、行動および状態をコン pact に符号化する要約表現を用いて、確率的計画領域を形式化する。
• 既知の難問を計画存在および評価タスクに還元することで、さまざまな複雑性クラスにおける完全性を確立する。
• NP、co-NP、PP、PSPACEに属する問題からの還元を構築することで、難易度を示す。
• オракルおよび相対化された複雑性クラス（例：NP^PP）を用いて、高階の確率的推論を分析する。
• 計画の存在に関する意思決定問題と、成功確率の評価に関する問題の区別を行う。
• 計算複雑性理論の理論的道具を用いて、問題の本質的難易度に基づいて問題を分類する。

実験結果

リサーチクエスチョン

• RQ1 要約表現を用いた確率的領域における計画が存在するかどうかを決定する計算複雑性は何か？
• RQ2 このような領域において、与えられた計画の成功確率を評価するのはどの程度難しいか？
• RQ3 AI計画における不確実性をモデル化する上で、特にPPやNP^PPといった複雑性クラスがどれほど関連性があるか？
• RQ4 確率的状況下で計画存在および評価問題を効率的に解くことには、根本的な限界があるか？
• RQ5 同定された複雑性クラスは、確率的計画のための新しいアルゴリズム設計を導くことができるか？

主な発見

• 要約表現を用いた確率的計画領域における計画存在可能性は、NP、co-NP、PP、NP^PP、co-NP^PP、PSPACEに完全である。
• PPおよびNP^PPという確率的複雑性クラスは、AIにおける不確実性に関して特に重要であり、今後の研究が求められる。
• 計画の正しさを検証することでさえ、必要な精度に応じて計算的に困難であることが示された。
• 計画の成功確率を評価する問題の複雑性はPPに完全であることが示され、確率的推論における本質的難易度が裏付けられた。
• これらの結果から、主要な複雑性クラスの崩壊が起こらない限り、これらの問題に対する効率的アルゴリズムが存在する可能性は低いと示唆される。
• 研究結果は、確率的計画システムにおけるスケーラビリティの限界を理解する理論的基盤を提供する。