Rerooter

深度分析

「結構導向 Rerooter」提升 Levin 樹搜尋效率：全域聚類、啟發式成本與混合式設計

在單代理決策樹搜尋中，子目標生成常帶來高計算負擔。本文提出三種結構導向的 rerooter：利用 Leiden 全域聚類、啟發式成本估計與兩者混合，於搜尋過程自動分配資源。實驗證明，於高複雜度環境下，此 rerooting 方式比傳統子目標搜尋更易擴展，且顯著提升線上訓練樣本效率，預計能推動未來AI規劃系統的效能提升。