以目標(biāo)為導(dǎo)向的靈活圖規(guī)劃算法的研究與實(shí)現(xiàn).pdf

1、智能規(guī)劃是當(dāng)前人工智能領(lǐng)域中極為活躍的一個(gè)研究熱點(diǎn)，它已廣泛應(yīng)用于自主機(jī)器人、航空航天、自然語(yǔ)言理解、知識(shí)推理、人機(jī)交互、數(shù)據(jù)挖掘等許多高技術(shù)領(lǐng)域。雖然它的一些理論問(wèn)題與應(yīng)用問(wèn)題是世界上公認(rèn)的難題，但多年來(lái)國(guó)內(nèi)外許多優(yōu)秀學(xué)者一直致力于這一方向的研究，特別是美國(guó)卡耐基梅隆大學(xué)的A.L.Blum教授和M.L.Furst教授利用規(guī)劃圖分析提出的圖規(guī)劃方法，第一次采用圖的方式來(lái)解決規(guī)劃問(wèn)題，在智能規(guī)劃領(lǐng)域中取得了革命性進(jìn)展。 近年來(lái)，智

2、能規(guī)劃的研究更是發(fā)展飛速，除了繼續(xù)研究如何提高規(guī)劃效率之外，學(xué)者們還對(duì)如何擴(kuò)展規(guī)劃算法處理問(wèn)題的范圍，如何提高規(guī)劃的質(zhì)量進(jìn)行了大量研究。圖規(guī)劃算法可以成功的解決經(jīng)典STRIPS域中的問(wèn)題，但此算法對(duì)獲得現(xiàn)實(shí)世界問(wèn)題的細(xì)節(jié)是不充分的，導(dǎo)致某些有解的問(wèn)題求不到解，或者導(dǎo)致生成某些質(zhì)量較低的解，而一般來(lái)講現(xiàn)實(shí)中的規(guī)劃問(wèn)題都是非常復(fù)雜的，如果不對(duì)它們進(jìn)行處理，大部分很難完全解決；另外由于規(guī)劃問(wèn)題是多種多樣的，對(duì)所有的規(guī)劃問(wèn)題以統(tǒng)一的方式進(jìn)行處理

3、也是不現(xiàn)實(shí)的，因此應(yīng)該針對(duì)不同的規(guī)劃問(wèn)題提出與其相適應(yīng)的具有其特殊性的規(guī)劃算法，具體問(wèn)題具體分析。 本文針對(duì)規(guī)劃領(lǐng)域中比較復(fù)雜的一類(lèi)問(wèn)題——靈活規(guī)劃問(wèn)題展開(kāi)研究，對(duì)以下內(nèi)容進(jìn)行了創(chuàng)新性研究： 本文系統(tǒng)地回顧了智能規(guī)劃的研究歷史，深入地介紹了在圖規(guī)劃框架下智能規(guī)劃的研究工作，同時(shí)，全面地展示了智能規(guī)劃技術(shù)的研究現(xiàn)狀及未來(lái)的發(fā)展方向。提出了一種從目標(biāo)集擴(kuò)張靈活規(guī)劃圖的新算法。該算法與現(xiàn)有算法不同，采用逆向擴(kuò)張、正向搜索的方法

4、，完善了逆向互斥推理的策略，避免了逆向傳播滿意度的復(fù)雜過(guò)程。這種算法考慮用戶的偏好，力求提高規(guī)劃解的綜合質(zhì)量，處理的問(wèn)題也從理想向現(xiàn)實(shí)邁進(jìn)了一步，因此在解決實(shí)際問(wèn)題中，具有其獨(dú)特的優(yōu)勢(shì)。 作者基于以目標(biāo)為導(dǎo)向的靈活規(guī)劃算法開(kāi)發(fā)了GDFGP(Goal-DirectedFlexibleGraphplan)規(guī)劃系統(tǒng)，并在營(yíng)救靈活規(guī)劃域上驗(yàn)證了算法的有效性。 由于智能規(guī)劃技術(shù)本身的獨(dú)立性，開(kāi)展對(duì)智能規(guī)劃算法的研究，對(duì)于競(jìng)賽機(jī)器人