[论文解读] 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 4

一句话总结

本文提出了一种新型的指数-二分状态空间搜索（EBSS）框架，通过结合指数搜索与二分搜索，高效地确定启发式状态空间搜索中的最优f-代价边界。EBSS将最坏情况下的节点展开次数从O(N²)减少至O(N log C*)，从而改进了IDA*和A*-风格的搜索方法在不一致启发式下的表现，在实践中实现了近乎Oracle的性能，同时保证了最优解。

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.

研究动机与目标

• 解决当最优代价边界未知时，迭代加深搜索的高最坏情况时间复杂度问题。
• 减少IDA*和A*在不一致启发式下的节点展开次数，避免因重复展开而导致的二次方级开销。
• 开发一种通用的搜索框架，自适应地平衡状态空间搜索中的探索速度与精度。
• 在保持最优性保证的同时，实现接近Oracle（最优）解代价的性能。

提出的方法

• EBSS采用混合搜索策略，在指数搜索和二分搜索阶段之间交替进行，以定位最优f-代价边界。
• 通过维护节点展开次数的下界和上界，确保f-代价边界既不会增长过慢，也不会过快。
• 该算法将f-代价边界的指数增长与二分法精炼相结合，逐步收敛到最优代价窗口。
• 该方法适用于IDA*-风格的深度优先搜索和A*-风格的广度优先搜索，通过控制重复展开开销，适配不一致启发式。
• 该方法使用可配置参数Δ来控制初始的指数步长，影响早期搜索效率。
• 它利用黑箱状态空间接口（init, is_goal, succ, cost, h），保持通用性，适用于多种问题领域。

实验结果

研究问题

• RQ1 结合指数搜索与二分搜索的混合搜索策略，能否降低迭代加深搜索在最坏情况下的节点展开开销？
• RQ2 在非单位代价问题上，指数-二分搜索与IDA*相比，在节点展开次数和运行时间方面表现如何？
• RQ3 EBSS在A*使用不一致启发式时，能在多大程度上减少重复展开开销？
• RQ4 EBSS在实践中是否能实现接近Oracle的性能，同时仍保证最优性？
• RQ5 EBSS对参数选择（如Δ和展开窗口大小）的敏感程度如何？

主要发现

• EBTS在资源限制内解决了100个加权4×4滑动拼图实例中的全部，而IDA*仅解决了57个。
• 在最优参数下，EBTS仅展开858.6×10⁶个节点，而IDA*展开62,044.3×10⁶个，节点展开次数减少了约72倍。
• 在4×4滑动拼图问题上，EBTS的性能仅比Oracle慢三倍以内，表现出近乎最优的效率。
• 在煎饼问题中，EBTS(10,20,1e6,1e6)在仅10.3×10⁶次展开内解决了全部100个实例，而IDA*需590.73×10⁶次展开。
• 在Mérő（1984）提出的不一致启发式图上，EBGS(10,20,3)成功扩展至k=10,000，仅展开91,625个节点，远低于A*的7500万次。
• 在最大测试实例上，EBGS实现了接近Oracle的性能（20,002 vs. 91,625次展开），表明其开销呈对数增长。