PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2606.07047v1cs.AI

Front-to-Attractors: 양방향 탐색에서 Front-to-Front 휴리스틱 수정

Front-to-Attractors: Modifying the Front-to-Front Heuristic in Bidirectional Search

휴리스틱은 양방향 탐색 알고리즘의 성능에서 핵심적인 역할을 하며, 이러한 알고리즘은 일반적으로 두 가지 주요 유형에 의존한다. Front-to-end(F2E) 휴리스틱은 상태 s에서 탐색의 목표(순방향 탐색의 경우 목표 상태, 역방향 탐색의 경우 시작 상태)까지의 거리를 추정한다. 반면 front-to-front(F2F) 휴리스틱은 s'가 프론티어 상태들에 걸쳐 변하는 쌍별(pairwise) 함수 h(s, s')를 사용하여 s에서 반대 방향 탐색 프론티어까지의 거리를 추정한다. F2F 휴리스틱은 일반적으로 더 정보가 풍부하여 노드 확장 횟수를 줄이지만, 광범위한 쌍별 평가에 의존하기 때문에 상당한 계산 오버헤드가 발생한다. 이 한계를 해결하기 위해, F2F의 정보성 대부분을 유지하면서 계산 비용을 크게 줄이는 새로운 휴리스틱 유형인 front-to-attractors(F2A)를 제안한다. F2A는 반대 프론티어의 모든 상태까지의 거리를 평가하는 대신, 반대 탐색 방향에서 동적으로 유지되는 소규모 attractor 집합까지 s에서의 거리를 추정한다. 이 attractor들은 전체 프론티어의 대리(surrogate) 역할을 하여, F2F가 제공하는 최적성 보장을 유지하면서 계산 비용의 일부만으로 풍부한 휴리스틱 안내를 가능하게 한다. 여러 도메인에서 F2A를 평가한 결과, F2F 대비 쌍별 평가 횟수를 최대 11.2배 줄이면서, 평균적으로 F2E 대비 노드 확장 횟수를 4.8배 적게 달성함을 보인다.