Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
확률적 분포 하에서 명제 공식 평가 비용을 최소화하는 결정론적 평가 전략을 연구합니다. 분기 한정 알고리즘을 통해 변수 선택, 가지치기, 캐싱을 활용한 실용적인 정확 알고리즘을 제시합니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.AI의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기많은 의사결정 시나리오에서 정보를 획득하는 데에는 서로 다른 비용이 발생합니다. 우리는 변수 비용 (variable costs)과 진릿값 할당 (truth assignments)에 대한 확률 분포 하에서 명제 공식 (propositional formula)을 평가하는 데 드는 기대 비용을 최소화하는 결정론적 평가 전략 (deterministic evaluation strategy)을 구축하는 문제를 고려합니다. 우리는 변수 선택 휴리스틱 (variable-selection heuristics), 가지치기 (pruning), 그리고 캐싱 (caching)을 포함하는 분기 한정 알고리즘 (branch-and-bound algorithm)을 제시합니다. 우리가 아는 바로는, 이 알고리즘은 이 정도의 일반성을 가진 문제에 대한 최초의 실용적인 정확한 알고리즘 (exact algorithm)입니다. 무작위 인스턴스 (random instances)에 대한 실험은 확장성 (scalability)을 입증하며, 탐욕적 빔 서치 (greedy beam-search) 변형의 효율성-품질 트레이드오프 (efficiency-quality trade-off)를 정량화합니다. 추가적으로, 구조화된 심장병 진단 인스턴스를 평가합니다. 마지막으로, 우리는 이 문제가 #P-hard이며 $\mathrm{PSPACE}$에 포함됨을 증명합니다.