基于Landmark知识的规划方法研究

高效的智能规划方法是智能规划成果走向应用的有力支撑，一直是主要的研究目标。本课题组用Landmark知识构造了启发函数h^pcc并设计了相应的串行规划系统，其效率处于国际领先水平。本课题申请将深入研究利用Landmark知识的规划方法：研究利用Landmark知识的基于命题可满足技术的STRIPS规划方法和带动作代价的规划方法；研究利用Landmark知识的基于启发式搜索的时态规划方法；设计并实现相应的规划系统；以期获得在国际上有我们自己特色的、高效的规划方法和系统。

研究了Landmark知识在STRIPS规划问题上的应用方法。在基于命题可满足推理技术的规划方法框架下，将Landmark知识编码为命题子句集，作为SAT求解器推理知识库的新知识；利用开源的智能规划系统LAMA开发了Landmark知识的自动提取与存储系统，利用开源的SATPlan规划系统实现了Landmark知识的自动编码系统。选取国际先进的SAT求解器完成规划的求解。试验效果表明我们研制的规划系统在大规模问题上相对于SATPlan具有性能优势。从原理上证明了Landmark知识对应的子句相对于单元传播、二元归结和超归结方法在计算复杂度上具有优势。研究了Landmark知识在动作带有代价的规划问题上的应用方法。将动作带有代价的规划问题转换为Weighted CSP问题，将Landmark知识编码为“硬约束”，加速求解过程。.研究了Landmark知识在时态规划问题上的应用方法。使用Landmark知识定义动作前提之间的顺序，提高启发函数的合理性与信息量，设计了新的启发函数htpcc。利用开源的规划系统Temporal FastDownward (TFD) 设计实现了集成htpcc的时态规划系统LMTD，参加了2011年底的国际智能规划竞赛，取得了第5名的成绩。开展了模型计数（Model Counting）技术应用于时态规划启发函数设计方面的前期工作。.开展了剪枝策略方面的研究。揭示了主流的剪枝策略——“有利动作”策略导致搜索过程不完备性的新原因，并提出了改进形式的剪枝策略，分析了其计算复杂度，构造了近似方法。本项工作表明了对动作的删除效果进行推理的重要意义，并部分解释了基于多值变量的规划问题模型SAS+相对于STRIPS模型的优势。.提出了规划解质量评估的新模型，该模型采用尺度向量评估不同规划的质量，推广了智能规划领域当前使用的模型，克服了当前使用模型中将不同维度的评估值简单地进行线性组合的不足。在数据挖掘领域首先探索了基于“灰色理论”的模糊建模技术在单个产品质量建模中的运用方法，后续将探索基于“灰色理论”建模单个动作质量的方法，并设计以规划质量优化为引导的规划算法。