回归传统：用传统机器学习学习可靠的启发式方法
原文中文，约500字，阅读约需1分钟。发表于：。当前的学习规划方法在几个领域中仍无法与经典规划器达到竞争力的性能，并具有较差的综合性能。本研究提出了一种构建新颖的图表示的提升规划任务，并使用 WL 算法从中生成特征的方法。这些特征与传统机器学习方法结合使用，其参数数量比最先进的深度学习规划模型少 2 个数量级，训练速度快 3 个数量级。我们的新方法 WL-GOOSE 可可靠地从头开始学习启发式，并在公平竞争环境中优于 $h^{ext...
本研究提出了一种新的学习规划方法，使用WL算法生成特征，并与传统机器学习方法结合使用。该方法在训练速度和参数数量上具有优势，并在多个领域中表现出较好的性能。研究还探讨了WL特征生成方法、理论化学习架构和描述逻辑特征之间的联系。
