Generating Abstraction Hierarchies: An Automated Approach to Reducing Search in Planning

تولید سلسله مراتب انتزاعی یک رویکرد کاملاً خودکار برای تولید انتزاع برای حل مسئله ارائه می دهد. انتزاع ها با استفاده از یک الگوریتم قابل ترمیم و مستقل از دامنه تولید می شوند که تنها ورودی آن تعریف فضای مسئله و مسئله ای است که باید حل شود و خروجی آن یک سلسله مراتب انتزاعی است که برای مسئله خاص طراحی شده است. این الگوریتم سلسله مراتب انتزاعی را ایجاد می کند که ویژگی «یکنواختی مرتب» را برآورده می کند، که تضمین می کند که ساختار یک راه حل انتزاعی در فرآیند پالایش آن تغییر نمی کند. یک سلسله مراتب انتزاعی با این ویژگی اجازه می دهد تا یک مسئله تجزیه شود به طوری که راه حل در یک فضای انتزاعی می تواند ثابت نگه داشته شود در حالی که بخش های باقی مانده از یک مسئله حل می شوند. الگوریتم تولید انتزاع ها در سیستمی به نام ALPINE پیاده سازی شده است که انتزاع هایی را برای نسخه سلسله مراتبی حل کننده مشکل PRODIGY تولید می کند. تولید سلسله مراتب انتزاعی به طور رسمی این روش حل مسئله سلسله مراتبی را تعریف می کند، نشان می دهد که تحت مفروضات خاصی این روش می تواند اندازه فضای جستجو را از نمایی به خطی در اندازه راه حل کاهش دهد، و اجرای این روش را در شگفتی. انتزاعات تولید شده توسط ALPINE در حوزه های متعدد در مجموعه مسائل بزرگ آزمایش می شوند و نشان داده شده است که راه حل های کوتاه تری با جستجوی بسیار کمتر نسبت به حل مسئله بدون استفاده از انتزاع تولید می کنند. تولید سلسله مراتب انتزاعی برای محققان در یادگیری ماشین، برنامه‌ریزی و اصلاح مسئله مورد علاقه خواهد بود.

Generating Abstraction Hierarchies presents a completely automated approach to generating abstractions for problem solving. The abstractions are generated using a tractable, domain-independent algorithm whose only inputs are the definition of a problem space and the problem to be solved and whose output is an abstraction hierarchy that is tailored to the particular problem. The algorithm generates abstraction hierarchies that satisfy the `ordered monotonicity' property, which guarantees that the structure of an abstract solution is not changed in the process of refining it. An abstraction hierarchy with this property allows a problem to be decomposed such that the solution in an abstract space can be held invariant while the remaining parts of a problem are solved. The algorithm for generating abstractions is implemented in a system called ALPINE, which generates abstractions for a hierarchical version of the PRODIGY problem solver. Generating Abstraction Hierarchies formally defines this hierarchical problem solving method, shows that under certain assumptions this method can reduce the size of a search space from exponential to linear in the solution size, and describes the implementation of this method in PRODIGY. The abstractions generated by ALPINE are tested in multiple domains on large problem sets and are shown to produce shorter solutions with significantly less search than problem solving without using abstraction. Generating Abstraction Hierarchies will be of interest to researchers in machine learning, planning and problem reformation.