不确定规划中的观察信息约简方法及其应用研究

Obseration reduction has important theoretical significance and potential applications in a non-deterministic planning, it can reduce costs and improve efficiency of planning. The project first found state pairs which are requested distinguish in the weak planning and strong cyclic planning solution. And then a method has been designed to reduce observation of the weak planning and strong cyclic planning. Given a partially observable weak planning and strong cyclic planning problem, first assume that all state variables are not observed variables, a way which increases the observation variables gradually is used for the observation reduction in the partially observable conditions weak planning and strong cyclic planning solution. The reality observation information need to cost which are different, we design a method that constructs an inter constraint inequalities to find a minimal cost observe. A method is designed To avoid the serious consequences of sensor failure in order to improve the reliability of the entire system. A method has been designed to reduce observation in the robot path planning and the multi-robot collaborative planning in order to respond quickly to work together and improve efficiency.

在不确定规划中进行观察信息约简有重要的理论意义和广阔的应用前景，可以降低规划执行的成本和提高规划执行的效率。本项目首先找出求弱规划和强循环规划解的问题所需要区分的状态对集合，然后设计在全可观察条件下求弱规划和强循环规划解的观察信息约简方法。对于给定的一个部分可观察的弱规划和强循环规划问题，首先假设所有的状态变量都不是观察变量，通过逐步增加观察变量来设计在部分可观察条件下求弱规划和强循环规划解的观察信息约简方法。现实中获得不同观察信息所需要的代价往往是不同的，通过构造整数规划约束不等式组设计找一个代价最小观察组合方案。为避免传感器故障造成的严重后果，保证在部分传感器出错时仍可以判定当前系统的状态，以提高整个系统的可靠性，设计找出容错最优观察集的方法。利用上面所述成果，设计在机器人路径规划和多机器人协同规划中进行观察信息约简的方法，以便机器人作出快速反应，协同工作，抢得先机，提高效率。

在控制器执行规划解的过程中，一些观察信息是没有被用到的，而获取这些观察信息是要花费一定代价的，所以在确保控制器执行规划解无误的前提下，尽可能地减少获取观察信息的代价是一件非常有必要的工作。.该研究将观察信息约简分为两种情况，一种是在已知规划解的条件下进行观察信息约简，另一种是在未知规划解的条件下进行观察信息约简。首先在已知规划解的条件下详细地指出了进行观察信息约简所需要的步骤，先寻找需要区分的状态对集合，再利用状态对集合对观察变量集合进行约简。该研究首先对强循环规划解的观察信息约简设计了两种可行算法。.该研究在不确定多agent规划领域未知规划解的条件下，对求解多agent协同规划解进行了研究，设计了求解协同规划解的算法，并且在搜索解的过程中进行观察信息约简，使求出的协同规划解是众多符合条件的协同规划解中所需要的观察信息是较少的。.该研究针对不确定多agent规划问题，首次提出了多agent规划的最小观测集问题。并在最小观察集问题的基础上定义了多agent规划的最优观察集合问题，并设计了相关算法很好的解决了该问题。.该研究首次对带权值观察信息的约简问题进行了研究，系统地给出了对带权值的观察信息进行约简的基本思路，区分了两种不同方法求得不确定状态集的优劣与适用情况。并针对上述问题，首次针对不确定规划领域中单agent和多agent带权值观察信息的约简问题分别设计了算法。.开展了在保证系统一定容错能力的条件下的观察信息约简的研究，保证在部分传感器出错时仍可以判定当前系统的状态，提高了整个系统的可靠性。.该研究将获得的理论成果和所设计的算法在机器人路径规划和多机器人协同规划中进行了应用，取得了较好的效果。