使用领域无关规划器和标准表示方法解决魔方
摘要：将魔方（RC）作为一个知名且计算复杂的谜题，促使AI研究人员探索高效的替代表示和问题解决方法。在这里，规划的理想情况是，使用通用求解器和启发式方法以标准符号表示的问题能够被优化且有效地解决。至今最快的RC求解器是使用自定义表示的DeepCubeA，另一种方法是使用State-Action-Space+（SAS +）表示的Scorpion规划器。在本文中，我们首次将RC以流行的PDDL语言表示，使得该领域对PDDL规划器、竞赛和知识工程工具更加易于使用，且更加易读。然后，我们在现有方法之间进行比较并进行桥接。在一个可比较的实验中，我们发现使用12个RC动作训练的DeepCubeA能够解决各种复杂度的问题，尽管只有78.5%的计划是最优的。对于相同的问题集，使用SAS +表示和模式数据库启发式的Scorpion能够最优地解决61.50%的问题，而使用PDDL表示和FF启发式的FastDownward能够解决56.50%的问题，其中79.64%的生成计划是最优的。我们的研究为表示选择和计划优化之间的权衡提供了有价值的见解，可以帮助研究人员设计将通用求解方法（规划、强化学习）、启发式方法和表示方法（标准或自定义）结合起来的未来策略。
作者：Bharath Muppasani, Vishal Pallagani, Biplav Srivastava, Forest Agostinelli
论文ID：2307.13552
分类：Artificial Intelligence
分类简称：cs.AI
提交时间：2023-08-22