基於謂詞規劃樹的規劃方法的研究

《基於謂詞規劃樹的規劃方法的研究》是依託中山大學，由吳向軍擔任項目負責人的面上項目。

基本介紹

• 中文名：基於謂詞規劃樹的規劃方法的研究
• 項目類別：面上項目
• 項目負責人：吳向軍
• 依託單位：中山大學

中文摘要

智慧型規劃是人工智慧領域的研究熱點之一，其研究的核心是規劃求解方法的研究。本課題是研究一種在領域知識指導下利用謂詞規劃樹進行規劃求解的規劃方法。該規劃方法首先利用領域知識對謂詞知識樹進行分解，縮小謂詞知識樹的規模；然後提出謂詞規劃樹的概念，並設計多種剪枝策略來提高其生成效率；對規劃問題中的所有目標生成其謂詞規劃樹，並用領域知識設計謂詞篩選策略來確定待實現的目標謂詞；在規劃求解時，提出以謂詞為主體的規劃求解方法，該規劃方法是在領域知識的指導下，每個規劃步只確定待實現的目標謂詞，而不確定實現該目標謂詞的具體規划動作。最後在Linux環境下實現本課題所提出的各類算法，並在同等條件下，與國外一些具有代表性的規劃器進行規劃求解對比實驗，分析比較各類規劃方法的規劃效率和規劃質量。

結題摘要

搜尋空間約減是智慧型規劃研究中的重要內容之一.謂詞知識樹是一種特殊的樹狀結構,它表達了規劃領域中實現同一謂詞的所有動作.在規劃求解過程中,這些動作的前提條件通常是不能同時得到滿足的.因此,提出了知識樹的分解原理以及基於特徵前提的知識樹分解策略,並給出了相應的分解算法.對任意一個規劃領域,利用該分解算法可將知識樹分解成若干個較小規模的知識子樹,使其對具體規劃狀態具有更強的針對性.在規劃求解過程中使用知識子樹可以避免一些不必要的動作搜尋,提高規劃效率.實驗結果表明分解算法是有效的. 領域知識的獲取是智慧型規劃研究中的另一個重要內容.派生規則是一種基於邏輯推理的領域知識表示方法.在對動作模型和派生規則綜合分析的基礎上提出了基於派生謂詞的STRIPS領域知識提取策略,並給出了該提取策略的算法描述.在規劃求解過程中,利用提取所得的領域規則可減少派生規則的邏輯推導,從而提高規劃效率.對任意一個規劃領域,利用提取所得的領域規則可分析出領域謂詞之間的互斥關係,這種互斥關係可對一類矛盾的規劃狀態進行判定.最後,把本文所提出的領域規則提取策略嵌入到規劃器StepByStep之中,進行了領域規則提取實驗.實驗驗證了該提取算法的可行性和有效性,所提取出的領域規則能直觀地表達了謂詞間的因果關係,為派生謂詞的真值判斷和後續的規劃求解提供了可靠的領域知識.