智能規(guī)劃與規(guī)劃識(shí)別

前言

插圖：智能規(guī)劃是一個(gè)涵蓋知識(shí)表達(dá)、知識(shí)推理、非單調(diào)邏輯、情景演算、知識(shí)挖掘、人機(jī)交互和認(rèn)知科學(xué)等許多方面的多領(lǐng)域交叉性學(xué)科，其發(fā)展不僅對(duì)于人工智能領(lǐng)域具有重要意義，甚至?xí)母旧细淖內(nèi)祟?lèi)使用計(jì)算機(jī)的傳統(tǒng)方式。智能規(guī)劃的發(fā)展已有五十多年的歷史，它的研究經(jīng)歷了創(chuàng)建與成長(zhǎng)、曲折與停滯、而后蓬勃發(fā)展的艱難歷程。智能規(guī)劃是20世紀(jì)50年代后期迅速發(fā)展起來(lái)的一個(gè)研究領(lǐng)域，至今它的研究已達(dá)半個(gè)世紀(jì)之久，其發(fā)展對(duì)計(jì)算機(jī)科學(xué)、人工智能、認(rèn)知科學(xué)等領(lǐng)域產(chǎn)生了重要的影響，并廣泛應(yīng)用于機(jī)器人、自然語(yǔ)言理解、知識(shí)推理、人機(jī)交互、游戲角色設(shè)計(jì)等方面。20世紀(jì)70年代，此領(lǐng)域的研究達(dá)到了鼎盛時(shí)期，這期間出現(xiàn)了眾多規(guī)劃系統(tǒng)，取得了豐碩成果，奠定了現(xiàn)代智能規(guī)劃理論的研究基礎(chǔ)。之后，受到當(dāng)時(shí)客觀條件的制約，該領(lǐng)域一直處于保守狀態(tài)，甚至出現(xiàn)了某種程度的停滯。一些專(zhuān)家過(guò)于樂(lè)觀的想法并沒(méi)有實(shí)現(xiàn)，智能規(guī)劃的研究要比當(dāng)初人們預(yù)料的艱難得多、復(fù)雜得多。其發(fā)展道路非常曲折，某些學(xué)者甚至對(duì)智能規(guī)劃是否能夠發(fā)展下去產(chǎn)生了懷疑，但研究進(jìn)程的曲折以及對(duì)其前景的懷疑并沒(méi)有阻止該領(lǐng)域的發(fā)展，暫時(shí)的停滯只是孕育著新的進(jìn)展與突破。近年來(lái)，隨著應(yīng)用的需要以及客觀條件的改善，此領(lǐng)域獲得了長(zhǎng)足發(fā)展。在歐美等發(fā)達(dá)國(guó)家掀起了智能規(guī)劃理論研究、應(yīng)用開(kāi)發(fā)的熱潮，有關(guān)這一理論的研究成果不斷涌現(xiàn)。比較成熟的模型和相應(yīng)算法種類(lèi)繁多，各種修正和演變模型、算法更是層出不窮。這些卓有成效的方法使得規(guī)劃系統(tǒng)的效率得到了顯著提高，并在現(xiàn)實(shí)世界中得到了廣泛應(yīng)用。在智能規(guī)劃自身強(qiáng)大優(yōu)勢(shì)的感召下，學(xué)者們對(duì)該方向產(chǎn)生了極大的興趣，該領(lǐng)域的活動(dòng)也越來(lái)越多。學(xué)者們致力于使規(guī)劃系統(tǒng)解決的問(wèn)題更多、求解的速度更快、求出的規(guī)劃解更優(yōu)。此領(lǐng)域的研究進(jìn)入了突飛猛進(jìn)的時(shí)代，呈現(xiàn)出一派生機(jī)勃勃的景象。值得注意的是，目前我國(guó)人工智能和其他相關(guān)學(xué)科領(lǐng)域的專(zhuān)家、學(xué)者、工程技術(shù)人員在智能規(guī)劃理論和應(yīng)用研究方面也取得了許多可喜的成績(jī)。但由于規(guī)劃問(wèn)題的復(fù)雜性，現(xiàn)今仍有很多國(guó)際難題尚未解決，存在著巨大的研究空間。因此，未來(lái)此領(lǐng)域的研究無(wú)疑將繼續(xù)作為一個(gè)富有挑戰(zhàn)性的國(guó)際研究熱點(diǎn)，成為深刻影響人類(lèi)的偉大工程。所以，作者很想通過(guò)本書(shū)將當(dāng)前的研究狀況呈現(xiàn)給對(duì)此領(lǐng)域感興趣的讀者，使其能夠全面、準(zhǔn)確地掌握智能規(guī)劃的基本原理、應(yīng)用方法及發(fā)展趨勢(shì)。

內(nèi)容概要

智能規(guī)劃與規(guī)劃識(shí)別是人工智能研究領(lǐng)域的熱點(diǎn)問(wèn)題。本書(shū)分門(mén)別類(lèi)地介紹了最近十幾年國(guó)內(nèi)相關(guān)研究的主要成果，著重介紹了在圖規(guī)劃框架下智能規(guī)劃的研究工作。主要有圖規(guī)劃、最小承諾圖規(guī)劃、靈活圖規(guī)劃、數(shù)值圖規(guī)劃、時(shí)序規(guī)劃、不確定規(guī)劃。對(duì)于規(guī)劃識(shí)別主要介紹了Kautz的規(guī)劃識(shí)別理論、基于目標(biāo)圖分析的目標(biāo)識(shí)別、基于回歸圖分析的規(guī)劃識(shí)別，以及對(duì)手規(guī)劃的識(shí)別與應(yīng)對(duì)等。　　本書(shū)可作為計(jì)算機(jī)專(zhuān)業(yè)碩士研究生或博士研究生教材，也可供研究人員和工程技術(shù)人員參考。

書(shū)籍目錄

前言第一章　緒論　1.1　智能規(guī)劃發(fā)展歷史　1.2　智能規(guī)劃的應(yīng)用　　1.2.1在航空航天中的應(yīng)用　　1.2.2在機(jī)器人中的應(yīng)用　　1.2.3在智能工廠中的應(yīng)用　　1.2.4在商業(yè)中的應(yīng)用　1.3　本書(shū)概要　參考文獻(xiàn)第二章　規(guī)劃表示語(yǔ)言　2.1　STRIPS表示　2.2　動(dòng)作描述語(yǔ)言　2.3　規(guī)劃領(lǐng)域定義語(yǔ)言　　2.3.1　PDDL的提出及其背景　　2.3.2　PDDL各版本簡(jiǎn)介　2.4　規(guī)劃語(yǔ)言的發(fā)展　參考文獻(xiàn)第三章　圖規(guī)劃　3.1　經(jīng)典規(guī)劃　　3.1.1　問(wèn)題定義　　3.1.2　狀態(tài)空間規(guī)劃　　3.1.3　規(guī)劃空間規(guī)劃　　3.1.4　偏序規(guī)劃與全序規(guī)劃　　3.1.5　現(xiàn)代經(jīng)典規(guī)劃　3.2　圖規(guī)劃方法　　3.2.1　基本概念　　3.2.2　擴(kuò)張規(guī)劃圖算法　　3.2.3　搜索有效規(guī)劃算法　　3.2.4　Graphplan的局限性與未解決的問(wèn)題　3.3　求解方向的變形　　3.3.1　正向求解　　3.3.2　反向求解　　3.3.3　基于雙向并行的圖規(guī)劃　3.4　最小承諾的圖規(guī)劃　　3.4.1　預(yù)備知識(shí)　　3.4.2　最小承諾的圖規(guī)劃算法　　3.4.3　簡(jiǎn)單的規(guī)劃問(wèn)題舉例　　3.4.4　最小承諾的圖規(guī)劃算法的優(yōu)缺點(diǎn)　3.5　圖規(guī)劃中的條件效果　　3.5.1　條件效果　　3.5.2　全擴(kuò)展法　　3.5.3　要素?cái)U(kuò)展法　　3.5.4　IPP擴(kuò)展法　　3.5.5　利用兄弟元件改進(jìn)要素?cái)U(kuò)展法　　3.5.6　四種方法的比較　3.6　利用約束可滿足問(wèn)題在規(guī)劃圖中求解　　3.6.1　約束可滿足問(wèn)題　　3.6.2　約束可滿足問(wèn)題求解技術(shù)　　3.6.3　利用EBl。和DDB提高圖規(guī)劃搜索效率　3.7　靈活圖規(guī)赳算法　　3.7.1　圖規(guī)劃的局限性　　3.7.2　靈活圖規(guī)劃問(wèn)題　　3.7.3　靈活圖規(guī)劃算法描述　　3.7.4　靈活圖規(guī)劃方法特性　3.8　數(shù)值圖規(guī)劃　　3.8.1　ADL中的基本概念　　3.8.2　BRL　　3.8.3　搜索算法　3.9　時(shí)序規(guī)劃　　3.9.1　概述　　3.9.2　時(shí)序動(dòng)作　　3.9.3　時(shí)序規(guī)劃圖　　3.9.4　解搜索　參考文獻(xiàn)第四章　啟發(fā)式規(guī)劃方法第五章　符號(hào)模型檢測(cè)理論第六章　不確定規(guī)劃第七章　五屆國(guó)際規(guī)劃比賽綜述第八章　規(guī)劃識(shí)別第九章　對(duì)手規(guī)劃附錄A　相關(guān)項(xiàng)目與會(huì)議附錄B　主要智能規(guī)劃器

章節(jié)摘錄

1.前向狀態(tài)空間搜索前向規(guī)劃器（progression planner）主要進(jìn)行正向規(guī)劃，即從初始狀態(tài)到目標(biāo)狀態(tài)，考慮在一個(gè)給定狀態(tài)中的所有可能動(dòng)作的所有效果。當(dāng)一個(gè)操作的前提條件在當(dāng)前狀態(tài)中都得到滿足，則該操作適用于當(dāng)前狀態(tài)。然后，我們利用當(dāng)前狀態(tài)與該操作生成后繼狀態(tài)，并且添加它的正效果（添加效果列表），刪除它的負(fù)效果（刪除效果列表）。直到20世紀(jì)90年代初期，前向規(guī)劃器一直被認(rèn)為是低效的，因?yàn)槿绻谝粋€(gè)狀態(tài)上有多個(gè)操作適用，那么它的分枝數(shù)量將是龐大的。而這些適用的操作中，又有相當(dāng)大的一部分是與達(dá)到目標(biāo)無(wú)關(guān)的。而且不幸的是，啟發(fā)式也無(wú)能為力，因?yàn)閱l(fā)式選取的是狀態(tài)，而不是操作，而在啟發(fā)式對(duì)狀態(tài)進(jìn)行選擇之前，必須得算出所有的后繼狀態(tài)。同時(shí)，很難設(shè)計(jì)出針對(duì)邏輯表示的好的啟發(fā)式。雖然存在表示在當(dāng)前狀態(tài)中還有多少個(gè)目標(biāo)的合取項(xiàng)未被滿足的啟發(fā)式，以及它的更精確的變體，但是它們本身的計(jì)算代價(jià)也是很大的。2.后向狀態(tài)空間搜索與前向規(guī)劃器相反，后向規(guī)劃器（regression planner）進(jìn)行的是反向規(guī)劃，即由目標(biāo)狀態(tài)到初始狀態(tài)，反向應(yīng)用操作，考慮為了達(dá)到一個(gè)狀態(tài)，在前一狀態(tài)中什么必須為真。如果一個(gè)動(dòng)作的一個(gè)正效果（添加效果）在當(dāng)前子目標(biāo)中，則稱(chēng)該操作適用于當(dāng)前目標(biāo)。然后，我們通過(guò)刪除該操作的負(fù)效果（刪除效果列表）并添加該操作的所有前提條件來(lái)計(jì)算當(dāng)前狀態(tài)的前驅(qū)狀態(tài)，并將該前驅(qū)狀態(tài)作為下一步的子目標(biāo)。具體過(guò)程將在本章的第3.3節(jié)中詳細(xì)介紹。后向規(guī)劃器有一個(gè)明顯的優(yōu)點(diǎn)，就是它只考慮相關(guān)的操作，即只將對(duì)實(shí)現(xiàn)目標(biāo)有作用的操作添加到搜索樹(shù)中。但是，對(duì)于一個(gè)相對(duì)復(fù)雜的問(wèn)題，它的分枝依然是龐大的。所以，啟發(fā)式對(duì)于它的集中搜索來(lái)說(shuō)，仍然是很重要的。圖3.1闡釋了前向狀態(tài)空間和后向狀態(tài)空間規(guī)劃過(guò)程的區(qū)別。二者的主要區(qū)別是由以下事實(shí)導(dǎo)致的：可能存在多個(gè)目標(biāo)狀態(tài)（甚至一個(gè)目標(biāo)狀態(tài)就一個(gè)操作來(lái)說(shuō)，可能有多個(gè)前驅(qū)狀態(tài)），但只有一個(gè)初始狀態(tài)。在這種情況下，正向遍歷需要重復(fù)計(jì)算當(dāng)前狀態(tài)的后繼狀態(tài)；而在后向遍歷中，必須計(jì)算很大數(shù)目的目標(biāo)狀態(tài)的前驅(qū)狀態(tài)。因此，很難說(shuō)哪一種方法更好。后向規(guī)劃雖然實(shí)現(xiàn)起來(lái)比較復(fù)雜，但是當(dāng)目標(biāo)狀態(tài)數(shù)目較多時(shí)，它允許同時(shí)考慮多個(gè)規(guī)劃前綴，每個(gè)引向一個(gè)目標(biāo)狀態(tài)。

編輯推薦

《智能規(guī)劃與規(guī)劃識(shí)別》是由科學(xué)出版社出版的。

圖書(shū)封面

圖書(shū)標(biāo)簽Tags

無(wú)

評(píng)論、評(píng)分、閱讀與下載

---

    智能規(guī)劃與規(guī)劃識(shí)別 PDF格式下載

---