論文の概要: Refinements on the Complementary PDB Construction Mechanism
- arxiv url: http://arxiv.org/abs/2410.09297v1
- Date: Fri, 11 Oct 2024 23:06:29 GMT
- ステータス: 処理完了
- システム内更新日: 2024-10-30 15:23:18.099762
- Title: Refinements on the Complementary PDB Construction Mechanism
- Title(参考訳): 補足型PDB構築機構の解明
- Authors: Yufeng Zou,
- Abstract要約: パターンデータベース(PDB)は、最も人気のある自動生成技術の一つである。
本稿では,CPC1のPDB構築機構を改良する作業について述べる。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Pattern database (PDB) is one of the most popular automated heuristic generation techniques. A PDB maps states in a planning task to abstract states by considering a subset of variables and stores their optimal costs to the abstract goal in a look up table. As the result of the progress made on symbolic search over recent years, symbolic-PDB-based planners achieved impressive results in the International Planning Competition (IPC) 2018. Among them, Complementary 1 (CPC1) tied as the second best planners and the best non-portfolio planners in the cost optimal track, only 2 tasks behind the winner. It uses a combination of different pattern generation algorithms to construct PDBs that are complementary to existing ones. As shown in the post contest experiments, there is room for improvement. In this paper, we would like to present our work on refining the PDB construction mechanism of CPC1. By testing on IPC 2018 benchmarks, the results show that a significant improvement is made on our modified planner over the original version.
- Abstract(参考訳): パターンデータベース(PDB)は、最も人気のある自動ヒューリスティック生成技術の一つである。
PDBは、変数のサブセットを考慮して、計画タスクのステートを抽象状態にマップし、その最適コストをルックアップテーブルの抽象目標に格納する。
近年の象徴的探索の進展により,国際計画コンペティション(IPC)2018において,象徴的PDBベースの計画立案者が印象的な成果を上げている。
その中でもComplementary 1 (CPC1) は2番目に優れたプランナーであり、コスト最適トラックで最高の非ポートフォリオプランナーであり、勝者の2つのタスクに過ぎなかった。
既存のパターンを補完するPDBを構築するために、異なるパターン生成アルゴリズムの組み合わせを使用する。
ポストコンテストの実験で示されているように、改善の余地があります。
本稿では,CPC1のPDB構築機構を改良する作業について紹介する。
IPC 2018ベンチマークでテストした結果、修正プランナがオリジナルのバージョンよりも大幅に改善されていることが分かりました。
関連論文リスト
- Parallel Strategies for Best-First Generalized Planning [51.713634067802104]
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。
論文 参考訳(メタデータ) (2024-07-31T09:50:22Z) - Benchmarking End-To-End Performance of AI-Based Chip Placement Algorithms [77.71341200638416]
ChiPBenchはAIベースのチップ配置アルゴリズムの有効性を評価するために設計されたベンチマークである。
評価のために、さまざまなドメイン(CPU、GPU、マイクロコントローラなど)から20の回路を集めました。
その結果, 単点アルゴリズムの中間距離が支配的であったとしても, 最終的なPPA結果は満足できないことがわかった。
論文 参考訳(メタデータ) (2024-07-03T03:29:23Z) - Efficient Architecture Search via Bi-level Data Pruning [70.29970746807882]
この研究は、DARTSの双方向最適化におけるデータセット特性の重要な役割を探求する先駆者となった。
我々は、スーパーネット予測力学を計量として活用する新しいプログレッシブデータプルーニング戦略を導入する。
NAS-Bench-201サーチスペース、DARTSサーチスペース、MobileNetのようなサーチスペースに関する総合的な評価は、BDPがサーチコストを50%以上削減することを検証する。
論文 参考訳(メタデータ) (2023-12-21T02:48:44Z) - Benchmarking PtO and PnO Methods in the Predictive Combinatorial Optimization Regime [59.27851754647913]
予測最適化(英: Predictive optimization)は、エネルギーコストを意識したスケジューリングや広告予算配分など、多くの現実世界のアプリケーションの正確なモデリングである。
我々は,広告のための新しい産業データセットを含む8つの問題に対して,既存のPtO/PnOメソッド11をベンチマークするモジュラーフレームワークを開発した。
本研究は,8ベンチマーク中7ベンチマークにおいて,PnOアプローチがPtOよりも優れていることを示すが,PnOの設計選択に銀の弾丸は見つからない。
論文 参考訳(メタデータ) (2023-11-13T13:19:34Z) - Rethinking Imitation-based Planner for Autonomous Driving [15.350643622420241]
新たにリリースされたnuPlanは、大規模な実世界のデータセットと標準化されたクローズドループベンチマークを提供することで、この問題に対処している。
我々は、模倣に基づくプランナーの2つの基本的かつ未解明な側面について包括的な研究を行う。
提案手法は, 十分に設計され, 純粋に模倣された計画立案者が高い競争性能を達成できることを実証する。
論文 参考訳(メタデータ) (2023-09-19T09:04:10Z) - EmbodiedGPT: Vision-Language Pre-Training via Embodied Chain of Thought [95.37585041654535]
Embodied AIは、ロボットが物理的な環境で長時間のタスクを遂行するためのアクションシーケンスを計画し、実行することができる。
本稿では,EmbodiedGPTを紹介する。EmbodiedGPTは,エンボディドAIのためのエンドツーエンドのマルチモーダル基盤モデルである。
実験は、実施計画、実施制御、視覚的キャプション、視覚的質問応答など、実施されたタスクに対するEmbodiedGPTの有効性を示す。
論文 参考訳(メタデータ) (2023-05-24T11:04:30Z) - PIER: Permutation-Level Interest-Based End-to-End Re-ranking Framework
in E-commerce [13.885695433738437]
既存の再ランク付け手法は、初期ランキングリストを直接入力として取り、よく設計されたコンテキストワイズモデルによって最適な置換を生成する。
候補の順列を評価することは 現実的には 許容できない計算コストをもたらします
本稿では,これらの課題に対処するため,PIERという新しいエンドツーエンドのフレームワークを提案する。
論文 参考訳(メタデータ) (2023-02-06T09:17:52Z) - Planning Assembly Sequence with Graph Transformer [35.2954163574535]
アセンブリシーケンス計画(ASP)はNP完全であることが証明されており、その効率的かつ効率的な解法はこの分野の研究者にとって課題となっている。
本稿では, 自己コンパイル型ASPデータベース上で学習し, 実証した ASP 問題のためのグラフ変換器ベースのフレームワークを提案する。
論文 参考訳(メタデータ) (2022-10-11T08:06:16Z) - AutoBERT-Zero: Evolving BERT Backbone from Scratch [94.89102524181986]
そこで本稿では,提案するハイブリッドバックボーンアーキテクチャを自動検索するOP-NASアルゴリズムを提案する。
提案するOP-NASの効率を向上させるために,探索アルゴリズムと候補モデルの評価を最適化する。
実験の結果、検索されたアーキテクチャ(AutoBERT-Zero)は、様々な下流タスクにおいてBERTとそのバリエーションの異なるモデル容量を著しく上回っていることがわかった。
論文 参考訳(メタデータ) (2021-07-15T16:46:01Z)
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。