Core Concepts
Banerjeeらによって導入された予測を用いたグラフ探索問題に対する学習ベースアルゴリズムの設計と性能保証。
Abstract
グラフ探索問題とは、エージェントが目標ノードを見つける課題。
探索と計画の2つの主要な設定があり、それぞれ異なる保証が提供されている。
Banerjeeら(2023)による結果と比較しながら、新しいアルゴリズムとその性能保証に焦点を当てている。
絶対誤差および相対誤差モデルでの実験結果も示されており、最悪ケース以外でも優れた性能を発揮することが示唆されている。
Stats
任意のE− > 0に対して、あるグラフ探索インスタンスでは、任意のアルゴリズムは最悪でOPT+E−以上のコストを負担する必要がある。
n > 3および任意のE+∞に対して、n個のノード上で最大正誤差E+∞を持つグラフ探索インスタンスでは、任意のアルゴリズムは最悪でOPT + E+∞(n - 2)以上のコストを負担する必要がある。
Quotes
"我々は新しい一般的なアルゴリズムを導入しました。"
"実験結果は、ランダムエラー下でも提案されたアルゴリズムが非常に効率的であることを示しています。"