智能规划中派生谓词的处理改进与应用扩展研究

本课题拟从处理速度、问题规模和应用领域三方面增强派生谓词可用性,三方面相辅相成,互相依存.派生谓词是规划领域描述语言中不可或缺的公理形式,它目前面临三大难题:规划器处理慢、问题规模小、应用领域少.为此本课题拟相应地加速目前处理派生谓词较优的激活集法,将原本用于规划空间的激活集法移植至状态空间乃至数据库中,扩展派生谓词在过度规划和通用规划中的应用领域.具体研究内容包括:提出与状态无关的激活集,用规则集约简改进计算并在命题关系图上加速估值;将以上方法推广到状态空间搜索,并最终在数据库中直接规划;结合派生谓词和偏好表示过度规划中的目标效益依赖关系,用派生谓词规则表示动作效果和目标间依赖关系以扩展通用规划提取技术.其中重点和难点是改进和移植激活集法.这是首次通过规则分裂和基化派生谓词规则改进激活集法,首次在数据库中直接规划并用触发器处理派生谓词,首次提取含派生谓词规划领域的通用规划.

派生谓词规则是规划领域描述语言中不可或缺的公理形式。它目前面临三大难题：规划器处理慢、问题规模小、应用领域少。为此，本项目从改进激活集法以快速处理谓词规则、在数据库中直接规划以解决规模问题、扩展派生谓词在过度规划及通用规划中的应用等三方面来系统地研究派生谓词规则。项目在研期间，受到动作模型自动获取的启发，我们发现派生谓词的自动获取同样也是一个重要的研究问题。如果可以从规划例中自动产生派生谓词以解决其来源问题，则会使得对它的快速处理和扩展应用更有意义。因此，新增的研究内容为派生谓词规则的自动获取，这使得本项目的研究内容成为一个更加完善的整体。.所有原定研究目标均以实现。具体研究成果列举如下。在处理方面，前期工作已有基于激活集的改进方法，这些方法可应用于数据库规划中的触发器模拟机制和过度规划中的目标效益依赖规则，使得可高效地处理其中包含的派生谓词规则。在应用方面，基于电信业务规划领域建模的经验，可分析通用规划中派生谓词目标与动作效果的关联，以及将过度规划中的效益依赖函数转换为衍生规则。在获取方面，基于完全观测环境下的学习方法，提出了部分观测环境下的派生谓词规则学习方法，以及自动获取基于规则的RDDL规划领域描述。RDDL的语义模型以及RDBN的结构学习更成为进一步的研究设想。总的来说，自动获取解决来源问题，高效处理解决瓶颈问题，应用扩展解决能力问题，三方面相得益彰，使得本项目的研究更有意义。