基于谓词规划树的规划方法的研究

智能规划是人工智能领域的研究热点之一，其研究的核心是规划求解方法的研究。本课题是研究一种在领域知识指导下利用谓词规划树进行规划求解的规划方法。该规划方法首先利用领域知识对谓词知识树进行分解，缩小谓词知识树的规模；然后提出谓词规划树的概念，并设计多种剪枝策略来提高其生成效率；对规划问题中的所有目标生成其谓词规划树，并用领域知识设计谓词筛选策略来确定待实现的目标谓词；在规划求解时，提出"以谓词为主体"的规划求解方法，该规划方法是在领域知识的指导下，每个规划步只确定待实现的目标谓词，而不确定实现该目标谓词的具体规划动作。最后在Linux环境下实现本课题所提出的各类算法，并在同等条件下，与国外一些具有代表性的规划器进行规划求解对比实验，分析比较各类规划方法的规划效率和规划质量。

搜索空间约减是智能规划研究中的重要内容之一.谓词知识树是一种特殊的树状结构,它表达了规划领域中实现同一谓词的所有动作.在规划求解过程中,这些动作的前提条件通常是不能同时得到满足的.因此,提出了知识树的分解原理以及基于特征前提的知识树分解策略,并给出了相应的分解算法.对任意一个规划领域,利用该分解算法可将知识树分解成若干个较小规模的知识子树,使其对具体规划状态具有更强的针对性.在规划求解过程中使用知识子树可以避免一些不必要的动作搜索,提高规划效率.实验结果表明分解算法是有效的..领域知识的获取是智能规划研究中的另一个重要内容.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,利用提取所得的领域规则可分析出领域谓词之间的互斥关系,这种互斥关系可对一类矛盾的规划状态进行判定.最后,把本文所提出的领域规则提取策略嵌入到规划器StepByStep之中,进行了领域规则提取实验.实验验证了该提取算法的可行性和有效性,所提取出的领域规则能直观地表达了谓词间的因果关系,为派生谓词的真值判断和后续的规划求解提供了可靠的领域知识.