基于派生谓词的STRIPS领域知识提取策略

领域知识的获取是智能规划研究中的重要内容之一.派生规则是一种基于逻辑推理的领域知识表示方法.在对动作模型和派生规则综合分析的基础上提出了基于派生谓词的STRIPS领域知识提取策略,并给出了该提取策略的算法描述.在规划求解过程中,利用提取所得的领域规则可减少派生规则的逻辑推导,从而提高规划效率.对任意一个规划领域,利用提...     

在部分观测环境下学习规划领域的派生谓词规则

文中提出了一种在部分观测环境下学习规划领域的派生谓词规则的方法。在规划领域描述语言（PDDL）中,派生谓词用来描述动作的非直接效果,是规划领域模型和搜索控制知识的重要组成部分。然而,对于大多数规划领域而言,从无到有地构造派生谓词规则是不容易的。因此,研究自动获取派生谓词的推导规则是有意义的。已有研究工作提出通过修订一个初始的不完备的领域理论来获取推导规则的方法,但是它们的主要缺点在于待学习谓词的训练例的数量非常少,这是因为训练例按照非常有限的方式来生成。而更本质的原因在于它们假设环境是不可观测的。其实,在现实生活中很多动作的非直接效果是可以观测的,或者通过简单的目测或者通过专门的工具。因此文中提出增加观测来反映动作的非直接效果,以便增加待学习谓词的训练例数目从而改善学习的精准度。此外,为了补充一些在归纳学习过程中学习不到的谓词,文中还提出了一个后处理方法来使得学习到的规则在语义上更完整。通过在派生谓词基准领域上的实验表明,文中所提出的方法是可行有效的。更深远的意义在于,文中的研究工作有利于规划领域的自动建模或者控制知识的自动获取的研究与实现。     

从规划解中学习一阶派生谓词规则

派生谓词是描述动作非直接效果的主要方式.但是由人类专家设计的派生谓词规则(即领域理论)不能保证总是正确或者完备的,因此有时很难解释一个观察到的规划解为什么是有效的.结合归纳学习与分析学习的优点,文中提出一种称为FODRL(First-Order Derived Rules Learning)的算法,在不完美的初始领域理论的引导下从观察到的规划解中学习一阶派生谓词规则.FODRL基于归纳学习算法FOIL(First-Order Inductive Learning),最主要的改进是可以使用派生谓词的激活集来扩大搜索步,从而提高学习到的规则的精确度.学习过程分为两个步骤:先从规划解中提取训练例,然后学习能够最好拟合训练例和初始领域理论的一阶规则集.在PSR和PROME-LA两个派生规划领域进行实验,结果表明,在大部分情况下FODRL比FOIL(甚至包括其变型算法FOCL)学习到的规则的精确度都要高.     

利用派生谓词和偏好处理OSP 问题的目标效益依赖

在过渡规划问题(over-subscribed planning,简称 OSP)研究中,如果目标之间不是相互独立的,那么目标坚定效益依赖比单个目标效益更能提高规划解的质量.但是,已有的描述模型不符合标准规划描述语言(planning domain descrion language,简称PDDL)的语法规范,不能在一般的OSP规划系统上进行推广,提出了用派生谓词规则和目标偏好描述效益依赖的方法,这二者均为ＰDDL语言的基本要素.实质上,将已有的GAI模型转化为派生谓词规则和目标偏好,其中派生谓词规则显式描述目标子集的存在条件,偏好机制用来表示目标子集的效益,二者缺一不可.该转换算法既可以保持在描述依赖关系时GAI模型的易用性和直观性上,又可以扩展一般的OSP规划系统处理目标效益依赖的能力.从理论上可以证明该算法在转化过程中的语义不变性,子啊基准领域的实验结果表明其可行性和规划解质量的改善能力.提出符合PDDL语言规范的目标效益依赖关系的描述形式,克服了已有模型不通用的缺点.     

基于与状态无关的激活集的包含派生谓词的规划问题求解

派生谓词是PDDL2．2语言的新特性之一。在2004年的规划大赛IPC-4上,许多规划系统都无法求解包含派生谓词的两个标准竞赛问题。在经典规划中,派生谓词是指不受领域动作直接影响的谓词,它们在当前状态下的真值是在封闭世界假设中由某些基本谓词通过领域公理推导出来的。本文提出一种新的方法来求解包含派生谓词的规划问题,即用与状态无关的激活集来取代派生谓词用于放宽式规划中。     

通用规划综述*

对智能规划中的通用规划思想及方法进行了全面综述。通用规划是对特定的规划领域制定通用的解形式,从而可以不通过搜索而直接得到具体规划问题的解。当搜索空间随着问题规模指数级增长时,人们希望通过归纳已有规划解的规律,以较小的代价来获取大规模问题的解。介绍了通用规划的基本思想和产生方法,讨论了其与相关工作的联系以及局限性,并给出了对其未来研究方向的展望。     

通用任务规划方法现状与发展分析

自主任务规划是实现智能制造的重要技术前提.在高精度、高可靠的应用需求下,任务规划方法针对实际工业场景和任务进行定制优化.随着应用领域的不断拓展,定制化的任务规划方法难以应对场景复杂化、任务多样化、目标综合化的挑战.本文针对通用化任务规划需求,开展了领域无关的规划算法调研,梳理了任务建模方法与规划算法发展现状,并对智能体...     

通用智能自动建模软件开发与应用

本文介绍我们开发的一个通用的智能型自动建模工具(AIMT 1．0版)，它提供了十分简便的建模方法，不要求使用者了解人工智能技术。该软件已经应用到冶金、经济、智能仪表等多个领域。第三方的比较研究表明该软件在精度、速度及实用性方面优于国际著名软件的同类模块。     

基于模型检测的领域约束规划

基于模型检测的智能规划是当今通用的智能规划研究的热点,其求解效率比较高.但是,目前基于模型检测的智能规划系统没有考虑到利用领域知识来提高描述能力和求解效率.为此,研究了增加领域约束的基于模型检测的智能规划方法,并据此建立了基于模型检测的领域约束规划系统DCIPS(domain constraints integrated planning system).它主要考虑了领域知识在规划中的应用,将领域知识表示为领域约束添加到规划系统中.根据"规划=动作+状态",DCIPS将领域约束分为3种,即对象约束、过程约束和时序约束,采用对象约束来表达状态中对象之间的关系,采用过程约束来表达动作之间的关系,采用时序约束表达动作与状态中对象之间的关系.通过在2002年智能规划大赛AIPS 2002上关于交通运输领域的3个例子的测试,实验结果表明,利用领域约束的DCIPS可以方便地增加领域知识,更加实用化,其效率也有了相应的提高.     

领域知识优化的蚁群规划算法

在智能规划领域的传统图规划算法中,规划解的提取是从规划图的最后一层不断向前提取。提取过程中要不断进行大量状态互斥判断。提取过程中一旦发生失败就要回溯,即使再遇到相同的互斥情形也要重新计算,大量判断互斥的计算被带入主循环搜索过程,极大地影响了搜索效率。将领域知识通过禁忌连接集的形式加入蚁群规划算法中,相邻动作层的很多互斥信息通过禁忌连接集只需计算一次,不带入主循环计算中,可以较好地提升算法的执行效率,实例分析表明这一策略是有效的。     

一种计算动作派生前提的激活集的改进方法

动作的派生前提和动作删除效果的"连锁反应"是处理派生规划问题中的难点问题,基于激活集的方法是一种简单、有效的方法,但是激活集的计算时间往往过多,文中提出一种新的方法来计算激活集.LPG-td规划系统所提出的激活集是与状态有关的并且需要在规则图上反复计算,而文中提出的激活集是与状态无关的,通过规则分裂来对规则集进行"基化",使得寻找激活集的时间逐渐地由指数级降为线性级.实现了一个新的能够处理派生规划问题的规划系统LPGSIAS,通过对基准问题的求解,表明LPGSIAS比LPG-td在大部分情况下更高效.与状态无关的激活集可以方便地转化为与状态有关的激活集,文中通过提出一种求解与状态无关的激活集的改进方法来加快对派生规划问题的求解速度.     

基于本体的智能规划方法研究及应用

针对经典智能规划方法在利用领域知识方面存在的不足,将先进的知识工程方法与通用智能规划算法相结合,提出了一种新型的基于本体的智能规划技术,它能够综合利用本体知识库中的领域知识对特定领域问题进行合理高效的规划求解,同时给出了一套构建用于支持这类规划过程的领域知识本体库的实用方法。实验结果表明,该方法能够有效地解决复杂的实际应用问题,使由此建立的规划系统真正达到实用水平。     

基于STRIPS的领域知识提取策略

提出了谓词之间的一种相似关系,并用该相似关系得到可实现某谓词的动作集.利用该动作集中所有动作的公共前提谓词和公共效果谓词,提取出隐含在动作描述中的领域知识,并给出了描述领域知识的一种形式化方法.最后,对具体的规划问题,可利用领域知识判断出初始状态或目标状态中存在的矛盾.该领域知识的提取策略已应用于智能规划器StepByStep之中,所获取的领域知识对选择待实现的谓词提供了必要的理论依据.     

规划领域定义语言的演进综述

规划领域定义语言是智能规划研究中问题描述的标准语言,它同时起到了建模和通信语言的作用。随着智能规划得到了很大的发展,规划定义语言的作用越来越重要。但至今尚无对其版本、特性和语义的演进过程的综述。鉴于此,对规划领域定义语言的演进进行综述。最后概括了规划领域定义语言的发展趋势。     

智能规划器StepByStep的研究和开发

智能规划器是智能规划研究成果的重要表现形式,规划器的求解效率和规划质量是智能规划理论研究的直接反映.首先介绍智能规划器的一般结构和StepByStep规划器的总体结构,然后详细阐述StepByStep规划器各组成部分所采用的方法和策略,定义谓词知识树来提取领域知识.在谓词知识树的基础上定义谓词规划树,并用各种策略来提高规划树的生成效率.在谓词规划树的基础上设计StepByStep的规划策略,最后用8个规划器对3个具有代表性的基准规划领域及其规划问题进行实际的求解实验,分析了StepByStep规划器在求解效率和规划质量上的具体表现.实验数据表明,StepByStep规划器的规划策略对3个不同规划领域都具有很好的指导作用,验证了领域知识在规划求解过程中的实际价值.     

智能规划识别及其应用的研究

智能规划识别已经被广泛地用于自然语言理解、知识推理、情景演算等计算机系统的许多方面。文章介绍了国内外学者的相关研究,包括规划识别研究的历史与现状、问题与展望。并介绍了规划识别的各种方法及规划识别的应用。     

面向通用领域计算机审计课程的教学改革与创新

针对传统计算机审计课程教学理论基础不足、审计技术与方法落后、不能满足多领域行业的需求等诸多问题,提出一种面向通用领域计算机审计课程的教学改革思路,具体阐述这种新思路的实施方法,并列举真实的审计案例,说明如何以项目为驱动贯穿整个课程,从而有效提高教学质量。     

规划识别的研究及其应用

规划识别是人工智能研究领域的一个重要分支.由于近年来的广泛应用,规划识别的重要性被越来越多的学者所认同.对规划识别领域的大量文献进行广泛而深入研究,从整体上阐述了规划识别问题,较为全面地介绍了规划识别的发展历程、分类、方法以及应用,并着重介绍了规划识别目前较为流行的技术方法和热门应用,公开了几个未解决的问题.     

我国人工智能领域关键通用技术标准化研究

依据现行新一代人工智能标准体系建设指南规定的标准体系结构分类,系统梳理了我国人工智能领域涉及基础共性与关键通用技术方向的标准化研究现状。从研制发布的有效标准和在研标准项目统计数据可以得出,我国已初步建立人工智能领域关键通用技术标准体系,并且在部分细分技术和行业应用的标准化研究已经走在了国际前列。但是仍存在标准研究发展不均衡、理论基础薄弱、生态圈不健全等突出问题,最后对相关标准化体系发展提出意见和建议。     

一种通用的智能行走机器人路径规划流程

本文提出了一种机器人行走路径的规划过程,主要是讨论在机器人中建立三种不同的外界模型(几何模型、拓朴模型和语义模型)的方法和步骤。本方案是在参考了国外有关学者所做的一些工作后,吸收了几种方案中的某些特点并结合我们的工作做了些修改和补充而得到的。