論文の概要: Exploring Instance Generation for Automated Planning
- arxiv url: http://arxiv.org/abs/2009.10156v1
- Date: Mon, 21 Sep 2020 19:58:33 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-16 05:00:07.812799
- Title: Exploring Instance Generation for Automated Planning
- Title(参考訳): 自動計画のためのインスタンス生成の探索
- Authors: \"Ozg\"ur Akg\"un, Nguyen Dang, Joan Espasa, Ian Miguel, Andr\'as Z.
Salamon, Christopher Stone
- Abstract要約: 制約プログラミングと自動計画はこれらの分野の例である。
各解法の効率は、問題間だけでなく、同じ問題のインスタンス間でも異なる。
本稿では,Essenceを用いて計画上の問題記述全体をモデル化する手法を提案する。
- 参考スコア(独自算出の注目度): 1.6735240552964108
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Many of the core disciplines of artificial intelligence have sets of standard
benchmark problems well known and widely used by the community when developing
new algorithms. Constraint programming and automated planning are examples of
these areas, where the behaviour of a new algorithm is measured by how it
performs on these instances. Typically the efficiency of each solving method
varies not only between problems, but also between instances of the same
problem. Therefore, having a diverse set of instances is crucial to be able to
effectively evaluate a new solving method. Current methods for automatic
generation of instances for Constraint Programming problems start with a
declarative model and search for instances with some desired attributes, such
as hardness or size. We first explore the difficulties of adapting this
approach to generate instances starting from problem specifications written in
PDDL, the de-facto standard language of the automated planning community. We
then propose a new approach where the whole planning problem description is
modelled using Essence, an abstract modelling language that allows expressing
high-level structures without committing to a particular low level
representation in PDDL.
- Abstract(参考訳): 人工知能のコア分野の多くは、新しいアルゴリズムを開発する際にコミュニティがよく知られ広く使用している標準ベンチマーク問題である。
制約プログラミングと自動計画はこれらの領域の例であり、新しいアルゴリズムの振る舞いは、これらのインスタンスでどのように機能するかによって測定される。
一般に、各解法の有効性は問題間だけでなく、同じ問題のインスタンス間でも変化する。
したがって、多様なインスタンスセットを持つことは、新しい解法を効果的に評価できることが不可欠である。
制約プログラミング問題に対するインスタンスの自動生成の現在の手法は、宣言型モデルから始まり、硬さやサイズなどいくつかの望ましい属性を持つインスタンスを検索する。
まず、自動計画コミュニティのデファクト標準言語であるPDDLで書かれた問題仕様から始まるインスタンスを生成するためにこのアプローチを適用することの難しさについて検討する。
次に,pddlの特定の低レベル表現にコミットすることなく高レベル構造を表現できる抽象モデル言語であるessenceを用いて,計画問題記述全体をモデル化する手法を提案する。
関連論文リスト
- Self-Evaluation for Job-Shop Scheduling [1.3927943269211593]
スケジューリングやルート計画といった組合せ最適化問題は、様々な産業において重要であるが、NPハードの性質から計算的に難解である。
本稿では,従来の段階的アプローチを超えて,課題のサブセットを生成し,評価する新しいフレームワークを提案する。
論文 参考訳(メタデータ) (2025-02-12T11:22:33Z) - Comprehensive Benchmarking Environment for Worker Flexibility in Flexible Job Shop Scheduling Problems [0.0]
生産スケジューリングにおいて、フレキシブルジョブショップスケジューリング問題(FJSSP)は、一連の操作を最適化し、それぞれの処理時間を異なるマシンに割り当てることを目的としている。
結果として生じる問題はFlexible Job Shop Scheduling Problem with Worker Flexibility (FJSSP-W)と呼ばれる。
本稿では、一般に受け入れられているFJSSPインスタンス402のコレクションを示し、労働者の柔軟性で拡張するアプローチを提案する。
論文 参考訳(メタデータ) (2025-01-27T15:56:12Z) - An Overview and Discussion on Using Large Language Models for Implementation Generation of Solutions to Open-Ended Problems [0.0]
大規模言語モデルは、オープンな問題に対する問題解決活動をサポートする新しいメソッドの作成をサポートすることができる。
本報告では、モデルプロンプト、強化学習、検索型生成を含む、大規模言語モデルに関する現在の研究を要約する。
論文 参考訳(メタデータ) (2024-12-31T17:48:33Z) - Multi-Agent Planning Using Visual Language Models [2.2369578015657954]
大規模言語モデル(LLM)とビジュアル言語モデル(VLM)は、様々なドメインやタスクにわたるパフォーマンスとアプリケーションの改善により、関心を集めている。
LLMとVLMは、特に問題領域の深い理解が必要な場合、誤った結果をもたらす。
本稿では,特定のデータ構造を入力として必要とせずに動作可能なマルチエージェント型タスクプランニングアーキテクチャを提案する。
論文 参考訳(メタデータ) (2024-08-10T08:10:17Z) - A General Framework for Learning from Weak Supervision [93.89870459388185]
本稿では、新しいアルゴリズムを用いて、弱監督(GLWS)から学習するための一般的な枠組みを紹介する。
GLWSの中心は期待最大化(EM)の定式化であり、様々な弱い監督源を順応的に収容している。
また,EM計算要求を大幅に単純化する高度なアルゴリズムを提案する。
論文 参考訳(メタデータ) (2024-02-02T21:48:50Z) - Automated Process Planning Based on a Semantic Capability Model and SMT [50.76251195257306]
製造システムと自律ロボットの研究において、機械で解釈可能なシステム機能の仕様に「能力」という用語が用いられる。
セマンティック能力モデルから始めて、AI計画問題を自動的に生成するアプローチを提案する。
論文 参考訳(メタデータ) (2023-12-14T10:37:34Z) - Large Language Models as Analogical Reasoners [155.9617224350088]
CoT(Chain-of- Thought)は、言語モデルのプロンプトとして、推論タスク全体で素晴らしいパフォーマンスを示す。
そこで本稿では,大規模言語モデルの推論プロセスを自動的にガイドする,新たなプロンプト手法であるアナログプロンプトを導入する。
論文 参考訳(メタデータ) (2023-10-03T00:57:26Z) - Numerical Methods for Convex Multistage Stochastic Optimization [86.45244607927732]
最適化プログラミング(SP)、最適制御(SOC)、決定プロセス(MDP)に焦点を当てる。
凸多段マルコフ問題の解決の最近の進歩は、動的プログラミング方程式のコスト対ゴー関数の切断面近似に基づいている。
切削平面型法は多段階問題を多段階的に扱えるが、状態(決定)変数は比較的少ない。
論文 参考訳(メタデータ) (2023-03-28T01:30:40Z) - Generalization Properties of Retrieval-based Models [50.35325326050263]
検索ベースの機械学習手法は、幅広い問題で成功をおさめた。
これらのモデルの約束を示す文献が増えているにもかかわらず、そのようなモデルの理論的基盤はいまだに解明されていない。
本稿では,その一般化能力を特徴付けるために,検索ベースモデルの形式的処理を行う。
論文 参考訳(メタデータ) (2022-10-06T00:33:01Z) - Multi-Objective Policy Gradients with Topological Constraints [108.10241442630289]
本稿では, PPOアルゴリズムの簡単な拡張により, TMDPにおけるポリシー勾配に対する新しいアルゴリズムを提案する。
シミュレーションと実ロボットの両方の目的を任意に並べた実世界の多目的ナビゲーション問題に対して,これを実証する。
論文 参考訳(メタデータ) (2022-09-15T07:22:58Z) - Efficient lifting of symmetry breaking constraints for complex
combinatorial problems [9.156939957189502]
この作業は、Answer Set Programmingのためのモデルベースのアプローチの学習フレームワークと実装を拡張します。
Inductive Logic Programming System ILASPに新たなコンフリクト解析アルゴリズムを組み込む。
論文 参考訳(メタデータ) (2022-05-14T20:42:13Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。