Resumen: Las características de WeisFeiler-Leman (WLF) son una herramienta de aprendizaje automático clásico recientemente introducida para aprender a planificar y buscar. Se ha demostrado que son teóricos y empíricamente superiores a los enfoques de aprendizaje profundo existentes para las funciones de valor de aprendizaje para la búsqueda en la planificación simbólica. En este artículo, presentamos nuevos hiperparámetros WLF y estudiamos sus diversas compensaciones y efectos. Utilizamos la eficiencia de los WLF y los experimentos de planificación de ejecución en CPU de un solo núcleo con un tamaño de muestra de 1,000,000 para comprender el efecto de los hiperparámetros en la capacitación y la planificación. Nuestro análisis experimental muestra que hay un conjunto robusto y mejor de hiperparámetros para los WLF en los dominios de planificación probados. Encontramos que los mejores hiperparámetros WLF para aprender funciones heurísticas minimizan el tiempo de ejecución en lugar de maximizar la expresividad del modelo. Además, analizamos y observamos estadísticamente una correlación significativa entre la capacitación y la planificación de las métricas.
Publicado Originalme en export.arxiv.org El 26 de agosto de 2025.
Ver Fuente Original
