論文の概要: Parallel Strategies for Best-First Generalized Planning

• arxiv url: http://arxiv.org/abs/2407.21485v1
• Date: Wed, 31 Jul 2024 09:50:22 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-01 18:12:32.116676
• Title: Parallel Strategies for Best-First Generalized Planning
• Title（参考訳）: ベストファースト総合計画のための並列戦略
• Authors: Alejandro Fernández-Alburquerque, Javier Segovia-Aguas,
• Abstract要約: 汎用計画(GP)は、複数の古典的な計画インスタンスを解くことができるアルゴリズムのようなソリューションの自動合成を研究するAIの研究分野である。 現在の進歩の1つはBest-First Generalized Planning (BFGP) の導入である。 本稿では,並列探索手法をBFGPに適用し,性能ギャップを埋める上で重要な要素であることを示す。
• 参考スコア（独自算出の注目度）: 51.713634067802104
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In recent years, there has been renewed interest in closing the performance gap between state-of-the-art planning solvers and generalized planning (GP), a research area of AI that studies the automated synthesis of algorithmic-like solutions capable of solving multiple classical planning instances. One of the current advancements has been the introduction of Best-First Generalized Planning (BFGP), a GP algorithm based on a novel solution space that can be explored with heuristic search, one of the foundations of modern planners. This paper evaluates the application of parallel search techniques to BFGP, another critical component in closing the performance gap. We first discuss why BFGP is well suited for parallelization and some of its differentiating characteristics from classical planners. Then, we propose two simple shared-memory parallel strategies with good scaling with the number of cores.
• Abstract（参考訳）: 近年,複数の古典的計画インスタンスを解くことができるアルゴリズム的ソリューションの自動合成を研究するAIの研究分野である,最先端の計画解法と一般化計画(GP)のパフォーマンスギャップを埋めることに対する新たな関心が高まっている。 現在の進歩の1つはBest-First Generalized Planning (BFGP) の導入である。BFGPは、現代のプランナーの基礎の一つであるヒューリスティック探索を用いて探索できる新しい解空間に基づくGPアルゴリズムである。 本稿では,並列探索手法をBFGPに適用し,性能ギャップを埋める上で重要な要素であることを示す。 まず,BFGPが並列化に適している理由と,古典的プランナーとの相違点について論じる。 次に,コア数で優れたスケーリングが可能な2つの単純な共有メモリ並列戦略を提案する。

関連論文リスト

• Novelty and Lifted Helpful Actions in Generalized Planning [14.513354207511151]
  本稿では,計画プログラムに関する新規性を計算するアクションノベルティランクの概念を紹介する。 本稿では,新たな計画計画プログラムを創発する新規性に基づく一般化計画解法を提案する。
  論文  参考訳（メタデータ） (2023-07-03T03:44:12Z)
• Generalized Planning as Heuristic Search: A new planning search-space that leverages pointers over objects [10.850101961203748]
  本稿では,一般計画(GP)の一般化要件に探索パラダイムとしての計画を適用する。 本稿では,新しいGP解空間における探索を導くための評価関数と計算関数のセットを定義する。 BFGP(Best-First Generalized Planning)と呼ばれるGPのための新しいアルゴリズムのアップグレード版では、ポインタベースのソリューション空間でベストファースト検索を実装している。
  論文  参考訳（メタデータ） (2023-01-26T13:25:39Z)
• Computing Programs for Generalized Planning as Heuristic Search [10.850101961203748]
  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。
  論文  参考訳（メタデータ） (2022-05-12T17:57:09Z)
• 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)
• 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)
• Divide-and-Conquer Monte Carlo Tree Search For Goal-Directed Planning [78.65083326918351]
  暗黙的な逐次計画の仮定に代わるものを検討する。 本稿では,最適計画の近似を行うため,Divide-and-Conquer Monte Carlo Tree Search (DC-MCTS)を提案する。 計画順序に対するこのアルゴリズム的柔軟性は,グリッドワールドにおけるナビゲーションタスクの改善に繋がることを示す。
  論文  参考訳（メタデータ） (2020-04-23T18:08:58Z)
• STRIPS Action Discovery [67.73368413278631]
  近年のアプローチでは、すべての中間状態が欠如している場合でも、アクションモデルを合成する古典的な計画が成功している。 アクションシグネチャが不明な場合に,従来のプランナーを用いてSTRIPSアクションモデルを教師なしで合成するアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-01-30T17:08:39Z)

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。