Patologija pri enoagentnem preiskovanju Mitja Luštrek Odsek za inteligentne sisteme Institut Jožef Stefan

Preiskovalna patologija Problemi, ki se rešujejo s preiskovanjem prostora stanj: splošno sprejeto: če preiskujemo globlje, dobimo boljše rešitve; patologija: če preiskujemo globlje, dobimo slabše rešitve. Odkrita pri igranju iger / preiskovanju z minimaksom: splošno sprejeto: če program drevo igre preišče globlje, igra bolje; matematična analiza: pri preiskovanju drevesa igre z minimaksom se napake, ki jih hevristična ocenjevalna funkcija naredi v listih, ojačajo [Nau, 1979; Beal, 1980].

Nepopolno enoagentno preiskovanje npr. iskanje poti po zemljevidu; en agent – nasprotje iger z dvema igralcema/agentoma; drevo se preiskuje z miniminom – nasprotje minimaksa; Popolno preiskovanje: poiščemo celo pot od trenutnega stanja do cilja; poznamo končne (prave) vrednosti, zato je pot optimalna. Nepopolno preiskovanje: poiščemo pot do neke točke, stanja tam hevristično ocenimo; ne poznamo končnih (pravih) vrednosti, zato možna patologija.

Patologija pri nepopolnem enoagentnem preiskovanju Trenutno stanje Preiskovalno drevo Končne vrednosti (prave)

Patologija pri nepopolnem enoagentnem preiskovanju Trenutno stanje Statične hevristične vrednosti (z napako) Končne vrednosti (prave)

Patologija pri nepopolnem enoagentnem preiskovanju Trenutno stanje Vzvratne hevristične vrednosti (z večjo napako) Statične hevristične vrednosti (z napako) Minimaks Končne vrednosti (prave)

Patologija pri nepopolnem enoagentnem preiskovanju Trenutno stanje Statične hevristične vrednosti (z manjšo napako) Končne vrednosti (prave)

Patološki primer Patologija nedavno odkrita na enostavnem primeru [Bulitko et al., 2003]. Prave vrednosti določene tako, da bi povzročile patološkost. Hevristične vrednosti določene ‘pošteno’: hevristična ocenjevalna funkcija popolna / optimistična; hevristična ocenjevalna funkcija monotono nepadajoča. Hevristična vrednost vozlišča X Hevristična vrednost starša vozlišča X Prava vrednost vozlišča X

Patološki primer 1 1 1,02 1 1,5 1,02 1,03

Razlogi za patologijo Domena: porazdelitev pravih vrednosti v preiskovalnem drevesu; odkril dve lastnosti dreves, ki povzročata patologijo. Hevristična ocenjevalna funkcija: bolj zanimiva, ker se nanjo bolj da vplivati; preučil vpliv optimističnosti in monotone nepadajočosti.

Domena – prva lastnost 1 1 1,02 1 1,5 1,02 1,03

Domena – prva lastnost ojačana 1 1 1,02 1 3 1,02 1,03

Domena – prva lastnost ojačana 1 1 1,02 1 1,5 1,02 1,02

Domena – prva lastnost ošibljena 1 1 1,02 1 1 1,02 1,03

Domena – prva lastnost ošibljena 1 1 1,02 1 1,5 1,02 3

Domena – druga lastnost 1 1 1,02 1 1,5 1,02 1,03

Domena – druga lastnost ojačana 1 1 1,01 1 1,5 1,01 1,02

Domena – druga lastnost ošibljena 1 1 1,03 1 1,5 1,03 1,04

Hevristična ocenjevalna funkcija Preučil tri lastnosti: optimističnost / pesimističnost; monotona nepadajočost; porazdelitev enakomerna / temelječa na normalni.

Enakomerne porazdelitve

Porazdelitve temelječe na normalni

Hevristična ocenjevalna funkcija Zaključki: monotona nepadajočost vedno zaželena; optimističnost zaželena včasih. Običajno se daje optimističnosti večji poudarek kot monotoni nepadajočosti.

Kam zdaj? Najti preiskovalen problem, pri katerem se pojavlja patologija. Ugotoviti, ali tudi pri tem problemu predstavljeni lastnosti preiskovalnih dreves povzročata patologijo. Na tem problemu preizkusiti različne hevristične ocenjevalne funkcije: ugotoviti, ali optimističnost in monotona nepadajočost odpravljata patologijo; najti morebitne druge lastnosti, ki vplivajo na patologijo.