領域模型在智能規(guī)劃中的學習及應用.pdf

1、智能規(guī)劃(AutomatedPlanning)是人工智能(ArtificialIntelligence)研究領域的一個重要分支，在各個領域得到廣泛的應用。其主要思想是：對周圍環(huán)境進行認識與分析，根據(jù)預定實現(xiàn)的目標，對若干可供選擇的動作及所提供的資源限制施行推理，綜合制定出實現(xiàn)目標的動作序列—規(guī)劃。無論在智能機器人還是物流運輸調(diào)度領域，將智能規(guī)劃應用有個重要的前提是對某個應用領域進行描述，并建立領域模型，然后結(jié)合某個特定的問題，將領域模型

2、和問題輸入到規(guī)劃系統(tǒng)進行求解。但是，即使對于某些專家來做，對某個領域建立一個領域模型也是一件困難而費時的任務。 為此，本文系統(tǒng)地從三個方面來研究領域模型，分別是領域模型的表示方法、如何學習領域模型和如何應用領域模型，我們的目標是減輕建立和應用領域模型的開發(fā)人員的負擔，并提高規(guī)劃系統(tǒng)的效率。 1.領域模型的描述：研究了如何將領域知識表示為領域約束添加到規(guī)劃系統(tǒng)中。領域模型的表示方法分為兩類，一種是與領域無關(guān)的規(guī)劃描述方式—

3、動作模型，我們采用目前通用的規(guī)劃描述語言PDDL來表示；令外一種是領域相關(guān)的描述，我們采用了約束來表示，并將其細分為對象約束、過程約束和時序約束，采用對象約束來表達狀態(tài)中對象之間的關(guān)系，采用過程約束來表達動作之間的關(guān)系，采用時序約束表達動作和狀態(tài)中對象之間的關(guān)系。 2.學習動作模型：研究了如何從規(guī)劃例子集合中學習出動作模型，并據(jù)此建立了動作模型學習系統(tǒng)ARMS。ARMS主要考慮了數(shù)據(jù)挖掘和智能規(guī)劃結(jié)合的應用，將統(tǒng)計知識和邏輯知識

4、結(jié)合起來，從成功的規(guī)劃例子集合中自動學習出動作模型。ARMS的主要方法是從規(guī)劃例子集合中統(tǒng)計出頻繁的動作-動作、動作-謂詞對，并將這些頻繁集合和智能規(guī)劃固有的一些屬性表示為動作約束、謂詞約束、規(guī)劃約束和狀態(tài)約束，將其表示成一個MAXSAT問題，通過求解MAXSAT問題來得到一個動作模型。通過在2002年智能規(guī)劃大賽AIPS02上的領域測試，實驗結(jié)果表明，利用ARMS可以獲得動作模型，準確性和冗余度也在可接受范圍之內(nèi)。這項研究成果獲得20

5、05年世界智能規(guī)劃和調(diào)度的知識工程軟件競賽(InternationalCompetitiononKnowledgeEngineeringforPlanningandScheduling)專用工具(SpecificTools)類別的比賽中，贏得冠軍。 3.學習領域約束：研究了從過去的一堆成功規(guī)劃例子集合里學習出領域約束，在本文主要針對的是過程約束的學習，并據(jù)此建立了過程約束學習系統(tǒng)PARMS。這些過程約束是這個領域特有的領域知識，

6、它可以幫助我們提高規(guī)劃系統(tǒng)的效率。PARMS從規(guī)劃例子集合里邊統(tǒng)計出動作對，并由這些動作對產(chǎn)生基于馬爾科夫鏈的動作序列集合，再采用一個基于GRIDS的算法，從這些動作序列集合里推導出過程約束。通過智能規(guī)劃比賽上的領域測試，實驗結(jié)果表明，PARMS學習出來的過程約束能較好的表示領域知識，準確性和冗余度也在可接受范圍之內(nèi)。 4.應用領域約束：研究了在通用規(guī)劃系統(tǒng)上增加領域約束的方法，并據(jù)此建立了基于通用規(guī)劃系統(tǒng)的領域約束規(guī)劃系統(tǒng)DP