Parallel Strategies for Best-First Generalized Planning

要約

近年、最新のプランニングソルバーと、複数の古典的なプランニングインスタンスを解くことができるアルゴリズムに似た解の自動合成を研究するAIの研究分野である一般化プランニング（GP）との性能差を縮めることに再び関心が集まっている。現在の進歩の1つは、最新のプランナーの基礎の1つであるヒューリスティック探索で探索可能な新しい解空間に基づくGPアルゴリズムであるベストファースト一般化プランニング（BFGP）の導入である。本稿では、性能ギャップを埋めるためのもう一つの重要な要素であるBFGPへの並列探索技術の適用を評価する。まず、BFGPが並列化に適している理由と、古典的なプランナーとは異なるいくつかの特徴について述べる。次に、コア数に応じてうまくスケーリングする2つの単純な共有メモリ並列戦略を提案する。

要約(オリジナル)

In recent years, there has been renewed interest in closing the performance gap between state-of-the-art planning solvers and generalized planning (GP), a research area of AI that studies the automated synthesis of algorithmic-like solutions capable of solving multiple classical planning instances. One of the current advancements has been the introduction of Best-First Generalized Planning (BFGP), a GP algorithm based on a novel solution space that can be explored with heuristic search, one of the foundations of modern planners. This paper evaluates the application of parallel search techniques to BFGP, another critical component in closing the performance gap. We first discuss why BFGP is well suited for parallelization and some of its differentiating characteristics from classical planners. Then, we propose two simple shared-memory parallel strategies with good scaling with the number of cores.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL