迈克尔·卡茨；卡梅尔·多姆什拉克 隐式抽象启发。 （英语） Zbl 1205.68377号 J.人工制品。智力。研究（JAIR） 第39页，第51-126页（2010年）. 摘要：具有显式抽象启发的状态空间搜索处于成本最优规划的最新水平。尽管如此，这些启发式方法本质上是有限的，因为抽象空间的大小必须受到某些限制，即使是非常大的常量。针对这一缺点，我们引入了（加性）隐式抽象的概念，在该概念中，规划任务由优化规划的易处理片段的实例进行抽象。然后，我们介绍了这个框架的一个具体设置，称为分叉分解，它基于两个可处理的成本最优规划的新片段。然后对诱导的可容许启发式进行了形式和实证研究。这项研究证明了fork分解启发式的准确性，但我们的经验评估也强调了它们的准确性和计算它们的运行时复杂性之间的权衡。实际上，显式抽象启发式的一些威力来自于离线预计算启发式函数，然后通过在“数据库”中快速查找来确定每个评估状态的h（s）。相比之下，分叉启发式可以在多项式时间内计算，计算速度远远不够快。为了解决这个问题，我们表明可以成功地克服分叉分解启发式的逐节点时间复杂性瓶颈。我们证明，对于分叉分解抽象，也存在与“数据库”的显式抽象概念等价的概念，尽管它们是指数大小的抽象空间。然后，我们通过实证验证了启发式搜索与“基于数据”的分叉启发式算法在成本最优规划方面的优势。 引用于4文件 MSC公司： 68T20型 人工智能背景下的问题解决（启发式、搜索策略等） 关键词：成本最优规划；叉分解 PDF格式BibTeX公司 XML格式引用 \textit{M.Katz}和\textit{C.Domshlak}，J.Artif。智力。研究（JAIR）39，51-126（2010；Zbl 1205.68377） 全文： 内政部 arXiv公司