Computing Complexity-aware Plans Using Kolmogorov Complexity
Computing Complexity-aware Plans Using Kolmogorov Complexity
复制标题
使用 Kolmogorov 复杂度计算复杂性感知计划
DOI：
--
复制
发表时间：
2021
期刊：
影响因子：
--
通讯作者：
K. Johansson
中科院分区：
文献类型：
--
作者：
Elis Stefansson;K. Johansson
本文基于Kolmogorov复杂度，引入了具有奖励作为输出的有限视界确定性有限自动机的复杂性感知规划。考虑Kolmogorov复杂度，因为它可以检测确定性最优策略的计算规律。我们提出了一个规划目标，在策略的性能和复杂性之间产生明确的权衡。在动态规划不可行的情况下，证明了该目标的最大化是非平凡的。我们提出了两种获得低复杂度策略的算法，其中第一种算法获得低复杂度的最优策略，第二种算法在保持局部（阶段）复杂度约束的情况下找到性能最大化的策略。我们在一个移动机器人的简单导航任务上评估了算法，其中我们的算法产生了与直觉一致的低复杂性策略。
In this paper, we introduce complexity-aware planning for finite-horizon deterministic finite automata with rewards as outputs, based on Kolmogorov complexity. Kolmogorov complexity is considered since it can detect computational regularities of deterministic optimal policies. We present a planning objective yielding an explicit trade-off between a policy’s performance and complexity. It is proven that maximising this objective is non-trivial in the sense that dynamic programming is infeasible. We present two algorithms obtaining low-complexity policies, where the first algorithm obtains a low-complexity optimal policy, and the second algorithm finds a policy maximising performance while maintaining local (stage-wise) complexity constraints. We evaluate the algorithms on a simple navigation task for a mobile robot, where our algorithms yield low-complexity policies that concur with intuition.