[论文解读] A Framework for Searching AND/OR Graphs with Cycles

Ambuj Mahanti, Supriyo Ghose+1 more|ArXiv.org|May 1, 2003

Optimization and Search Problems参考文献 13被引用 6

一句话总结

本文提出了一种新颖的理论框架，用于在含环的 AND/OR 图中进行搜索，通过两种新算法 S1（无信息）和 S2（启发式引导）实现正确且高效的优先级搜索。该框架通过重新定义解图、代价和可接纳启发式函数，解决了长期存在的环图搜索问题，实验结果验证了正确性，并揭示了现有算法与所提算法之间的性能权衡。

ABSTRACT

Search in cyclic AND/OR graphs was traditionally known to be an unsolved problem. In the recent past several important studies have been reported in this domain. In this paper, we have taken a fresh look at the problem. First, a new and comprehensive theoretical framework for cyclic AND/OR graphs has been presented, which was found missing in the recent literature. Based on this framework, two best-first search algorithms, S1 and S2, have been developed. S1 does uninformed search and is a simple modification of the Bottom-up algorithm by Martelli and Montanari. S2 performs a heuristically guided search and replicates the modification in Bottom-up's successors, namely HS and AO*. Both S1 and S2 solve the problem of searching AND/OR graphs in presence of cycles. We then present a detailed analysis for the correctness and complexity results of S1 and S2, using the proposed framework. We have observed through experiments that S1 and S2 output correct results in all cases.

研究动机与目标

• 解决长期以来在含环 AND/OR 图中搜索的挑战，该问题因理论与算法复杂性而长期被忽视。
• 建立一个全面的理论基础，涵盖现有无环 AND/OR 图模型，并将其扩展至处理环结构。
• 设计并实现两种优先级搜索算法 S1 和 S2，能够在含环 AND/OR 图中正确找到最小代价解图。
• 基于所提出的理论框架，形式化证明 S1 和 S2 的正确性，并分析其时间复杂度。
• 通过实验评估 S1 和 S2 与现有算法（如 AO*、REV*、CFC_REV*）在无环与含环图上的表现，比较其在节点评估次数与执行时间上的性能。

提出的方法

• 提出一种新的理论框架，重新定义含环 AND/OR 图中的核心概念——解图、代价与可接纳启发式函数，确保一致性与正确性。
• 设计 S1 为一种基于优先级的无信息搜索算法，避免显式构建图结构，并通过修改 Martelli 和 Montanari 的自底向上算法来处理环结构。
• 设计 S2 为一种启发式引导的 AO* 风格算法，通过外层循环扩展显式图，内层循环计算节点代价，使用可接纳启发式函数。
• 在 S1 和 S2 中均采用优先级搜索策略，根据估计解代价对节点进行优先排序，并在构建解图时检测并避免环结构。
• 在自底向上代价传播过程中使用前驱节点检查机制，确保正确性，并防止含环图中的无限循环。
• 采用标准化的实验设置，使用随机生成的无环与含环 AND/OR 图，比较 S1、S2、AO*、REV* 和 CFC_REV* 在节点评估次数与执行时间上的表现。

实验结果

研究问题

• RQ1 如何为含环 AND/OR 图建立一致的理论框架，以扩展现有无环图模型？
• RQ2 能否设计一种基于优先级的搜索算法，在不构建完整显式图的前提下，正确找到含环 AND/OR 图中的最小代价解图？
• RQ3 在含环与无环图上，S1 和 S2 算法在节点评估次数与执行时间方面与 AO*、REV* 和 CFC_REV* 等现有算法相比表现如何？
• RQ4 S1 和 S2 的时间与空间复杂度特性是什么？它们与底层 AND/OR 图结构有何关系？
• RQ5 与无信息搜索相比，启发式引导与优先级排序在含环 AND/OR 图中能多大程度提升搜索效率？

主要发现

• S1 和 S2 在所有测试的含环 AND/OR 图中均正确找到了最小代价解图，验证了所提理论框架的正确性。
• 由于采用优先级策略，S1 的节点评估次数少于 REV*，尽管 S2 的节点评估次数多于 CFC_REV*，这是由于其 OPEN 集规模更大。
• 尽管节点评估次数更高，S2 的执行时间仍短于 CFC_REV*，因为其每个节点的计算工作更少，表明单位节点效率更高。
• 在无环图上，当采用相同的冲突解决策略时，S2 与 CFC_REV* 扩展的节点数相同，表明在无环图中两者在节点扩展上具有算法等价性。
• AO* 在无环图上的节点评估次数优于 S2 和 CFC_REV*，这是由于其初始 Z 列表更小，且具备高效的前驱节点检查机制。
• 本研究发现一个研究空白：目前尚无任何算法能同时结合 S2 的优先级特性、AO* 的低节点评估次数以及 CFC_REV* 的快速执行时间，凸显了未来研究的关键挑战。