Fugu-MT 論文翻訳(概要): Computing Programs for Generalized Planning as Heuristic Search

論文の概要: Computing Programs for Generalized Planning as Heuristic Search

arxiv url: http://arxiv.org/abs/2205.06259v1
Date: Thu, 12 May 2022 17:57:09 GMT
ステータス: 処理完了
システム内更新日: 2022-05-13 13:45:04.357754
Title: Computing Programs for Generalized Planning as Heuristic Search
Title（参考訳）: ヒューリスティック検索としての汎用計画計算プログラム
Authors: Javier Segovia-Aguas, Sergio Jim\'enez, Anders Jonsson
Abstract要約: 本稿では,一般計画(GP)の特質に探索パラダイムとしての計画を適用する。 GPのためのBFGPアルゴリズムは,プログラムベースの解空間において最良優先探索を実装している。
参考スコア（独自算出の注目度）: 10.850101961203748
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Although heuristic search is one of the most successful approaches to classical planning, this planning paradigm does not apply straightforwardly to Generalized Planning (GP). This paper adapts the planning as heuristic search paradigm to the particularities of GP, and presents the first native heuristic search approach to GP. First, the paper defines a program-based solution space for GP that is independent of the number of planning instances in a GP problem, and the size of these instances. Second, the paper defines the BFGP algorithm for GP, that implements a best-first search in our program-based solution space, and that is guided by different evaluation and heuristic functions.
Abstract（参考訳）: ヒューリスティック探索は古典計画における最も成功した手法の1つであるが、この計画パラダイムは一般化計画(GP)に直接適用されない。本稿では,計画をヒューリスティック探索パラダイムとしてgpの特異性に適用し,gpに対する最初のネイティブヒューリスティック探索手法を提案する。まず、GP問題における計画インスタンスの数と、これらのインスタンスのサイズに依存しないGPのためのプログラムベースのソリューション空間を定義する。第2に,プログラムベースの解空間において最優先探索を実装し,異なる評価とヒューリスティック関数によって導かれるgpのbfgpアルゴリズムを定義する。

関連論文リスト

Scaling-up Generalized Planning as Heuristic Search with Landmarks [9.653976364051564]
一般化計画は通常、与えられたアルゴリズム的解の空間における探索として扱われる。この種のソリューション評価は、計画インスタンスの表現において明示されていないどんなサブゴール情報も無視する。 GPのノード拡張は、古典的なプランニングインスタンスのバッチ全体にわたってすべての子ノードを評価する必要があるため、実行時のボトルネックである。
論文参考訳（メタデータ） (2022-05-10T12:42:48Z)
Scaling Gaussian Process Optimization by Evaluating a Few Unique Candidates Multiple Times [119.41129787351092]
GPに基づく逐次ブラックボックス最適化は,複数の評価ステップの候補解に固執することで効率よく行うことができることを示す。 GP-UCB と GP-EI の2つのよく確立されたGP-Opt アルゴリズムを改良し,バッチ化された GP-Opt の規則を適応させる。
論文参考訳（メタデータ） (2022-01-30T20:42:14Z)
Incremental Ensemble Gaussian Processes [53.3291389385672]
本稿では,EGPメタラーナーがGP学習者のインクリメンタルアンサンブル(IE-) GPフレームワークを提案し,それぞれが所定のカーネル辞書に属するユニークなカーネルを持つ。各GP専門家は、ランダムな特徴ベースの近似を利用してオンライン予測とモデル更新を行い、そのスケーラビリティを生かし、EGPメタラーナーはデータ適応重みを生かし、熟練者ごとの予測を合成する。新たなIE-GPは、EGPメタラーナーおよび各GP学習者内における構造化力学をモデル化することにより、時間変化関数に対応するように一般化される。
論文参考訳（メタデータ） (2021-10-13T15:11:25Z)
Using Traceless Genetic Programming for Solving Multiobjective Optimization Problems [1.9493449206135294]
トレーレス・ジェネティック・プログラミング(Traceless Genetic Programming、TGP)は、プログラム自体よりもプログラムの出力に焦点をあてる場合に使われる遺伝的プログラミング(GP)の変種である。 TGPと組み合わせて2つの遺伝子操作子(クロスオーバーと挿入)が使用される。数値実験により、TGPは非常に高速かつ十分に検討されたテスト問題を解くことができることが示された。
論文参考訳（メタデータ） (2021-10-07T05:55:55Z)
Gaussian Processes to speed up MCMC with automatic exploratory-exploitation effect [1.0742675209112622]
確率モデルをサンプリングするための2段階のメトロポリス・ハスティングスアルゴリズムを提案する。このアプローチの主な特徴は、サンプリング中にターゲットの分布をスクラッチから学習する能力である。
論文参考訳（メタデータ） (2021-09-28T17:43:25Z)
Principal component analysis for Gaussian process posteriors [3.8200053457335446]
GP-PCAはGP後部の低次元空間を推定する。これは、一連のタスクの構造を推定することによって、新しいタスクの精度を向上させるためのフレームワークであるメタラーニングに使用できる。
論文参考訳（メタデータ） (2021-07-15T04:40:02Z)
PathBench: A Benchmarking Platform for Classical and Learned Path Planning Algorithms [59.3879573040863]
パスプランニングは、モバイルロボティクスの重要なコンポーネントです。アルゴリズムを全体的あるいは統一的にベンチマークする試みはほとんど行われていない。本稿では,パスプランニングアルゴリズムの開発,視覚化,トレーニング,テスト,ベンチマークを行うプラットフォームであるPathBenchについて述べる。
論文参考訳（メタデータ） (2021-05-04T21:48:18Z)
Waypoint Planning Networks [66.72790309889432]
本稿では,ローカルカーネル(A*のような古典的アルゴリズム)と学習アルゴリズムを用いたグローバルカーネルを用いたLSTMに基づくハイブリッドアルゴリズムを提案する。我々は、WPNとA*を比較し、動き計画ネットワーク(MPNet)やバリューネットワーク(VIN)を含む関連する作業と比較する。 WPN の探索空間は A* よりもかなり小さいが、ほぼ最適な結果が得られることが示されている。
論文参考訳（メタデータ） (2021-05-01T18:02:01Z)
Generalized Planning as Heuristic Search [12.160708336715489]
本稿では,計画を探索パラダイムとして一般化計画(gp)の特質に適用する。本稿では,GP問題における計画インスタンスの数と,これらのインスタンスのサイズに依存しない,新しいGPソリューション空間を定義する。最後に,BFGP(Best-First Generalized Planning)と呼ばれるGPアルゴリズムを定義し,評価・ヒューリスティック関数によって導かれる解空間において,ベストファーストな探索を行う。
論文参考訳（メタデータ） (2021-03-26T12:35:10Z)
Towards Optimally Efficient Tree Search with Deep Learning [76.64632985696237]
本稿では,線形モデルから信号整数を推定する古典整数最小二乗問題について検討する。問題はNPハードであり、信号処理、バイオインフォマティクス、通信、機械学習といった様々な応用でしばしば発生する。本稿では, 深いニューラルネットワークを用いて, 単純化されたメモリバウンドA*アルゴリズムの最適推定を推定し, HATSアルゴリズムを提案する。
論文参考訳（メタデータ） (2021-01-07T08:00:02Z)
Learning Structures in Earth Observation Data with Gaussian Processes [67.27044745471207]
本稿では,この分野の主要な理論gp開発について概説する。信号特性と雑音特性を尊重し、特徴ランキングを自動的に提供し、関連する不確かさ区間を適用可能にする新しいアルゴリズムについて論じる。
論文参考訳（メタデータ） (2020-12-22T10:46:37Z)

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。