[논문 리뷰] A Unifying Formalism for Shortest Path Problems with Expensive Edge Evaluations via Lazy Best-First Search over Paths with Edge Selectors

Christopher M. Dellin, Siddhartha S Srinivasa|arXiv (Cornell University)|2016. 03. 10.

Robotic Path Planning Algorithms참고 문헌 21인용 수 40

한 줄 요약

이 논문은 비용이 많이 드는 간선 평가를 수반하는 최단경로 문제를 위한 통합 프레임워크인 레이지 최단경로(LazySP)를 소개한다. 이는 간선 선택자에 의해 유도되는 레이지 베스트-퍼스트 탐색을 사용한다. 여러 기존 알고리즘들이 LazySP의 특수한 경우임을 입증하고, 샘플링 및 통계역학에 기반한 새로운 선택자 전략을 제안하여 간선 평가 횟수를 크게 감소시켰으며, 벤치마크 문제에서 이전 방법들을 능가하는 성능을 보였다.

ABSTRACT

While the shortest path problem has myriad applications, the computational efficiency of suitable algorithms depends intimately on the underlying problem domain. In this paper, we focus on domains where evaluating the edge weight function dominates algorithm running time. Inspired by approaches in robotic motion planning, we define and investigate the Lazy Shortest Path class of algorithms which is differentiated by the choice of an edge selector function. We show that several algorithms in the literature are equivalent to this lazy algorithm for appropriate choice of this selector. Further, we propose various novel selectors inspired by sampling and statistical mechanics, and find that these selectors outperform existing algorithms on a set of example problems.

연구 동기 및 목표

• 간선 가중치 평가가 런타임을 지배하는 최단경로 문제의 계산적 병목 현상을 해결하기 위해.
• 비용이 많이 드는 간선 평가를 수반하는 효율적인 경로 탐색을 위한 다양한 기존 알고리즘을 하나의 형식적 체계로 통합하기 위해.
• 최적성 유지 조건 하에 비용이 많이 드는 간선 평가 횟수를 최소화하는 새로운 간선 선택자 전략을 개발하기 위해.
• 로봇 운동 계획을 포함한 대표적인 계획 문제에서 이러한 선택자 전략의 성능을 실증적으로 평가하기 위해.

제안 방법

• 비용이 많이 드는 간선 가중치 평가를 연기하기 위해 경량 추정 함수를 사용하는 레이지 베스트-퍼스트 탐색 알고리즘인 LazySP를 제안한다.
• 각 반복에서 후보 경로로부터 경량 최단경로 계산을 기반으로, 어느 간선을 평가할지 결정하는 간선 선택자 함수를 사용한다.
• 평가되지 않은 간선에 대해 저비용 추정치 west(e)를 기본값으로 사용하는 레이지 가중치 함수 wlazy를 활용하며, 평가가 완료되면 진짜 가중치 w(e)로 전환한다.
• 샘플링 및 경로 분포 히우리스틱에 기반한 새로운 간선 선택자 전략인 Forward, Expand, Alternate, Partition, WeightSamp를 도입한다.
• 반복 간 반복적인 최단경로 계산을 빠르게 하기 위해 증분 탐색 알고리즘(LPA*, SSSP 등)을 적용한다.
• 즉시 확장(만약 w ≤ west) 및 내부 경로가 무한한 경우 조기 종료 등의 최적화 기법을 통합한다.

실험 결과

연구 질문

• RQ1 비용이 많이 드는 간선 평가를 수반하는 최단경로 알고리즘을 위한 통합 형식 체계를 개발할 수 있는가?
• RQ2 기존 알고리즘 중 어떤 것들이 이 통합 프레임워크의 특수한 경우로 표현될 수 있는가?
• RQ3 새로운 간선 선택자 전략이 기존 전략보다 비용이 많이 드는 간선 평가 횟수를 줄이는 데 성공할 수 있는가?
• RQ4 다양한 문제 영역, 특히 로봇공학 및 운동 계획 분야에서 다양한 간선 선택자 전략의 성능은 어떻게 다른가?

주요 결과

• Partition 및 WeightSamp 선택자 전략은 ArmPlan과 같은 복잡한 도메인에서 기준 방법 대비 간선 평가 횟수를 크게 감소시켰다.
• 경로 분포 기반의 새로운 선택자 전략(예: Partition, WeightSamp)은 모든 테스트된 벤치마크 문제에서 단순한 선택자 전략(Foward, Expand)보다 뛰어난 성능을 보였다.
• ArmPlan 도메인에서 평균 온라인 런타임이 감소했음에도 불구하고, 선택자 계산 시간이 1.54초 추가되었지만, 간선 평가 횟수의 상당한 절감 덕분이었다.
• WeightSamp 선택자 전략은 간단한 문제에서는 Partition 전략과 유사한 성능을 보였지만, ArmPlan에서는 더 높은 샘플링 요구량으로 인해 성능이 열 劣화되었다.
• 시간 측정 결과, 선택자 계산 시간은 간선 평가 시간에 비해 무시할 수 없을 정도로 작아, 레이지 평가 전략의 효율성을 입증했다.
• 증분 탐색 및 즉시 확장 최적화 기법은 성능 향상에 기여하였으며, 조기 종료 기법은 경로가 불가능한 경우를 효율적으로 처리했다.