登录 | 注册 | 充值 | 退出 | 公司首页 | 繁体中文 | 满意度调查
综合馆
一种高质量的领域无关前向规划剪枝策略
  • 摘要

    前向启发式搜索和放宽规划方法被很多领域无关的规划器所采用,被认为是一种有效的规划范型.FF规划器利用放宽规划图计算状态的启发式估值,并提取有利动作集合进行前向搜索的剪枝.但过大的有利动作集合造成了过多的消耗.文中提出了一种新的高质量的领域无关剪枝策略.该策略根据放宽规划图的动作层和命题层之间的关系,提取出所谓的直接效用动作集合,此集合之外的其它动作都被剪枝.直接效用动作集合比FF的有利动作集合更加精简,更具启发性,能指导前向搜索集中在那些离目标更近的状态.根据直接效用动作作者开发了一种新的lookahead搜索邻居,并应用在改进后的增强型爬山搜索算法中,使得前向搜索具备良好的前瞻性.当增强型爬山法失败时,采取一种从局部极小值重启完备搜索的策略以保持系统完备性.通过对国际规划大赛基准问题的测试表明,基于该剪枝策略及前向搜索算法实现的前向规划系统有效地缩小了搜索空间,搜索的节点数目比FF的有利动作策略明显要少,搜索效率有显著的提升.

  • 作者

    梁瑞仕  姜云飞  边芮  陈蔼祥  LIANG Rui-Shi  JIANG Yun-Fei  BIAN Rui  CHEN Ai-Xiang 

  • 作者单位

    电子科技大学中山学院计算机学院 广东中山528402;中山大学信息科学与技术学院软件研究所 广州510275/中山大学信息科学与技术学院软件研究所 广州510275/广东商学院数学与计算科学学院 广州 510320

  • 刊期

    2012年8期 ISTIC EI PKU

  • 关键词

    前向规划  启发式搜索  领域无关剪枝策略  前向搜索邻居  完备搜索 

参考文献
  • [1] 陈蔼祥,姜云飞,张学农,刘国英. GP--基于规划图的遗传规划算法. 计算机学报, 2007,1
  • [2] 蔡敦波,殷明浩,谷文祥,孙吉贵,刘科成. 基于延迟部分推理的快速前向规划系统. 计算机学报, 2008,5
  • [3] 吴向军,姜云飞,凌应标. 基于STRIPS的领域知识提取策略. 软件学报, 2007,3
  • [4] 吴向军,姜云飞,凌应标. STRIPS规划领域中动作效果关系的研究. 软件学报, 2007,6
  • [5] Malte Helmert. Complexity results for standard benchmark domains in planning. Artificial Intelligence: An International Journal, 2003,2
  • [6] Blum A;Furst M. Fast planning through planning graph analysis. Artificial Intelligence, 1997,1-2
  • [7] Vidal V. A lookahead strategy for heuristic search planning. Whistler,British Columbia,Canada, 2004
  • [8] Russell S;Norvig P. Artificial Intelligence: A Modern Approach. New Jersey,USA:Prentice Hall, 2009
  • [9] Hoffmann J. Where "ignoring delete lists" works:Local search topology in planning benchmarks. Journal of Artificial Intelligence Research, 2005
  • [10] Gefen A;Brafman R. Pruning methods for optimal deletefree planning. Atibaia,Sāo Paulo,Brazil, 2012
  • [11] Koehler J;Nebel B;Hoffmann J;Dimopoulos Y. Extending planning graphs to an adl subset. Toulouse,France, 1997
  • [12] Bonet B;Geffner H. Heuristic search planner 2.0. AI Magazine, 2001,03
  • [13] Hoffmann J. The Metric-FF planning system:Translating "ignoring delete lists" to numeric state variables. Journal of Artificial Intelligence Research, 2003
  • [14] Teichteil-K(o)nigsbuch F;Vidal V;Infantes G. Extending classical planning heuristics to probabilistic planning with dead-ends. San Francisco,California,USA, 2011
  • [15] Refanidis I;Vlahavas I. The GRT planner:Backward heuristic construction in forward state-space planning. Journal of Artificial Intelligence Research, 2001
  • [16] Richter S;Westphal M. The LAMA planner:Guiding costbascd anytime planning with landmarks. Journal of Artificial Intelligence Research, 2010
  • [17] AIPS 2002 International Planning Competition-3 homepage. http://planning.cis.strath.ac.uk/competition
  • [18] Coles A;Fox M;Smith A. A new local-search algorithm for forward-chaining planning. Providence,Rhode Island,USA, 2007
  • [19] FF homepage. http://members.deri.at/~joergh/ff.html
  • [20] Bertoli P;Cimatti A;Roveri M;Traverso P. Strong planning under partial observability. Artificial Intelligence, 2006,4-5
  • [21] Bonet B;Geffner H. Planning as heuristic search. Artificial Intelligence, 2001,01
  • [22] Hoffmann J;Nebel B. The FF planning system:Fast plan generation through heuristic search. Journal of Artificial Intelligence Research, 2001
查看更多︾
相似文献 查看更多>>
52.91.221.160