[论文解读] Rational Deployment of Multiple Heuristics in IDA*

David Tolpin, Oded Betzalel+2 more|arXiv (Cornell University)|Nov 24, 2014

Robotic Path Planning Algorithms参考文献 11被引用 4

一句话总结

本文提出了一种名为Rational Lazy IDA*（RLIDA*）的元推理方法，该方法基于一种短视的期望遗憾准则，动态决定在IDA*搜索过程中是否计算代价高昂的启发式函数。通过懒惰地评估启发式函数，并在有益时理性地跳过昂贵的计算，RLIDA*在滑动Tile谜题和集装箱重排问题中均比标准IDA*和Lazy IDA*更快地完成搜索。

ABSTRACT

Recent advances in metareasoning for search has shown its usefulness in improving numerous search algorithms. This paper applies rational metareasoning to IDA* when several admissible heuristics are available. The obvious basic approach of taking the maximum of the heuristics is improved upon by lazy evaluation of the heuristics, resulting in a variant known as Lazy IDA*. We introduce a rational version of lazy IDA* that decides whether to compute the more expensive heuristics or to bypass it, based on a myopic expected regret estimate. Empirical evaluation in several domains supports the theoretical results, and shows that rational lazy IDA* is a state-of-the-art heuristic combination method.

研究动机与目标

• 改进当存在多个可采纳启发式函数（尤其是其中一些计算代价高昂）时IDA*的效率。
• 解决标准IDA*中为每个节点计算所有启发式函数所带来的高开销问题，尽管这能提供更好的引导，但会拖慢搜索速度。
• 开发一种理性的元推理框架，能够在运行时动态决定是否计算次要启发式函数或直接跳过，依据是期望遗憾。
• 在总搜索时间方面超越现有方法（如标准IDA*和Lazy IDA*），同时保持最优性。
• 在滑动Tile谜题和集装箱重排问题等具有挑战性的领域中对方法进行实证评估。

提出的方法

• 提出Lazy IDA*，它是IDA*的一种变体，按顺序逐个评估启发式函数，仅在h₁(n)未导致剪枝时才计算h₂(n)。
• 引入Rational Lazy IDA*（RLIDA*），其使用短视的期望遗憾准则来决定是否计算h₂(n)或立即展开该节点。
• 采用基于跳过h₂(n)的期望遗憾的决策规则，平衡计算成本与f值估计改进的收益。
• 使用h₂(n)可能引发剪枝的概率估计p_h作为指导，以实现理性决策：是否计算或跳过h₂。
• 在深度优先、迭代加深的框架中应用该方法，保持线性空间复杂度和最优解保证。
• 将框架扩展至处理h₁不剪枝任何子节点的假设被违反的情况，尽管这被视为次要关注点。

实验结果

研究问题

• RQ1 理性元推理能否在不牺牲解质量的前提下，减少IDA*中启发式计算的时间？
• RQ2 当存在多个可采纳启发式函数时，启发式函数的懒惰评估在多大程度上能减少计算开销？
• RQ3 短视的期望遗憾准则在通过选择性地跳过昂贵的启发式计算评估时，能在多大程度上提升搜索效率？
• RQ4 在不同问题领域中，RLIDA*与标准IDA*和Lazy IDA*相比，在运行时间和节点展开数量方面表现如何？
• RQ5 在h₁不剪枝任何子节点的假设被违反的情况下，对RLIDA*性能有何影响？

主要发现

• 在滑动Tile谜题和集装箱重排问题中，RLIDA*在IDA*、Lazy IDA*和标准IDA*中整体表现最佳。
• 实证结果表明，RLIDA*通过避免不必要的昂贵启发式计算，显著减少了总搜索时间。
• 在某些领域中，RLIDA*将h₂评估次数减少了高达40%，同时节点展开数仅略有增加。
• 尽管在Tile谜题中约40%的节点违反了h₁不剪枝任何子节点的假设，RLIDA*仍实现了大部分潜在的加速效果。
• 在集装箱重排问题中，该假设在60%的节点中被违反，RLIDA*与理想化的全知方案之间仍存在差距，表明仍有改进空间。
• 不可行的全知方案作为性能增益的理论上限，而RLIDA*已实现了该理论最大值的相当大一部分。