机构名称：
¥ 3.0
我们考虑了Banerjee等人最近提出的图表搜索问题。（2023）。在此问题中，从某个顶点r开始的代理必须穿越A（可能未知的）图G以找到隐藏的目标节点G，同时最小化总距离。我们研究一个设置，在该设置中，在任何节点V中，代理都会收到从V到G的距离的嘈杂估计。我们在未知图上为此搜索任务设计算法。我们在未知的加权图上建立了第一个正式保证，并提供了下限，表明我们提出的算法对预测误差具有最佳或几乎最佳的依赖性。此外，我们执行的数值实验表明，除了对对抗误差鲁棒性外，我们的算法在误差是随机的典型情况下表现良好。最后，我们在Banerjee等人的算法上提供了更简单的性能界限。（2023）对于在已知图表上进行搜索的情况，并为此设置建立新的下限。
用于图形搜索问题的基于学习的算法
主要关键词
相关文件推荐
