HS-CAI：一种通过将搜索与基于上下文的推理相结合的混合DCOP算法
摘要：搜索和推理是解决分布式约束优化问题（DCOPs）的两种主要策略。最近，提出了几种算法来结合它们的优点。不幸的是，这种算法只使用一个近似推理作为一次性预处理阶段来构建初始下界，从而导致在有限的内存预算下剪枝效率低下。另一方面，迭代推理算法（例如MB-DPOP）对所有可能的上下文执行基于上下文的完整推理，但遭受巨大的通信开销。在本文中，（i）将搜索与基于上下文的推理相混合，我们提出了一种名为{HS-CAI}的DCOPs完整算法，其中推理利用从搜索过程中派生出的上下文来建立紧密的下界，而搜索使用这些下界进行有效的剪枝，从而减少推理的上下文。此外，（ii）我们引入了一种上下文评估机制，用于选择推理的上下文模式，进一步减少迭代推理引起的开销。最后，（iii）我们证明了算法的正确性，并通过实验结果证明了其优于现有技术的优越性。
作者：Dingding Chen and Yanchen Deng and Ziyu Chen and Wenxing Zhang and Zhongshi He
论文ID：1911.12716
分类：Multiagent Systems
分类简称：cs.MA
提交时间：2019-12-23