不确定规划领域中带权值的观察信息约简

计算机工程与应用 ›› 2016, Vol. 52 ›› Issue (3): 55-58.

不确定规划领域中带权值的观察信息约简

王进宗，文中华，唐杰，龙凤

湘潭大学信息工程学院，湖南湘潭 411105

出版日期:2016-02-01 发布日期:2016-02-03

Weighted observation information reduction in uncertain planning domain

WANG Jinzong, WEN Zhonghua, TANG Jie, LONG Feng

College of Information Engineering, Xiangtan University, Xiangtan, Hunan 411105, China

Online:2016-02-01 Published:2016-02-03

摘要/Abstract

摘要： 现实的规划问题中，观察信息的获取所需的代价是不同的，并且在规划解执行过程中，并非所有的观察信息都是有意义的，因此为了减少执行过程中的开销而对大量的带权值的观察信息进行约简就显得十分重要。首次针对带权值的观察信息约简问题做出研究，定义了带权值的最优观察集的概念，设计了SOWOS算法。该算法找出所有需要区分的状态对，用贪心的思想使搜索按指定顺序选择观察变量，并在搜索的过程中增加剪枝，减少了大量不必要的搜索，最终求得总花费最小的观察集，达到了减少执行成本的目的。实验结果表明，SOWOS算法可以高效地求得带权值的最优观察集，对减少规划执行中的开销贡献明显。

关键词: 智能规划, 不确定规划, 带权值的规划信息约简, 区分状态对, 区分集合, 带权值的最优观察集

Abstract: In the planning problem of reality, the cost to obtain the observation information is different, and in the plan implementation process, not all of the observed information is significant, so the huge weighted observation information reduction to reduce the execution overhead is very important. For the first time to observe the information reduction problem with weights to make research, this paper puts forward the concept of the set of optimal weighted, and designs the SOWOS algorithm. It finds out all state pairs needed to be distinguished, builds an observation matrix, backtracking and pruning, and obtains the optimal observation of total cost minimum set to reduce the execution cost. The experimental results show that, SOWOS algorithm can efficiently find the optimal weighted observation set.

Key words: artificial intelligent planning, uncertain planning, weighted observation information reduction, division state pairs, division set, optimal weighted observation set

王进宗，文中华，唐杰，龙凤. 不确定规划领域中带权值的观察信息约简[J]. 计算机工程与应用, 2016, 52(3): 55-58.

WANG Jinzong, WEN Zhonghua, TANG Jie, LONG Feng. Weighted observation information reduction in uncertain planning domain[J]. Computer Engineering and Applications, 2016, 52(3): 55-58.

[1]	刘胜，赵彤洲，蔡敦波. 部分观测环境下的时态动作模型学习方法[J]. 计算机工程与应用, 2018, 54(2): 29-39.
[2]	高洁1，2，王玞2，李磊2. 基于智能规划的界面自动生成方法研究[J]. 计算机工程与应用, 2015, 51(4): 54-60.
[3]	胡雨隆1，文中华1，2，常青1，陈建林1. 确定树求强规划解[J]. 计算机工程与应用, 2012, 48(4): 40-42.
[4]	刘越畅，钟秀玉，房宜汕，陈剑彪. 基于Europa2的智能规划动态仿真与建模[J]. 计算机工程与应用, 2012, 48(17): 211-214.
[5]	陈建林，文中华，朱江，常青. 正向搜索方法求强规划解[J]. 计算机工程与应用, 2011, 47(6): 52-54.
[6]	张波1，吕帅1，2，3，刘磊1，张鹏1. Conformant规划的编码方式研究[J]. 计算机工程与应用, 2011, 47(34): 29-33.
[7]	饶东宁¹，蒋志华²，姜云飞³. 规划领域定义语言的演进综述[J]. 计算机工程与应用, 2010, 46(22): 23-25.
[8]	柴啸龙，胡桂武，陈蔼祥. Markov决策过程的蚁群规划算法[J]. 计算机工程与应用, 2010, 46(20): 40-41.
[9]	柴啸龙. 领域知识优化的蚁群规划算法 [J]. 计算机工程与应用, 2010, 46(14): 17-19.
[10]	陈蔼祥. 规划问题编码成SAT问题研究[J]. 计算机工程与应用, 2009, 45(14): 39-45.
[11]	李国强¹,姜云飞². 图规划框架下规划修补算法的研究与实现[J]. 计算机工程与应用, 2009, 45(13): 51-53.
[12]	柴啸龙. 领域信息提取的缩规划图算法[J]. 计算机工程与应用, 2009, 45(1): 22-24.
[13]	柴啸龙,陈蔼祥. 基于规划图的过程活动流规划算法[J]. 计算机工程与应用, 2008, 44(13): 57-59.
[14]	胡平常晓宇王康平郭东伟周春光. 求解不确定TSP问题的蚂蚁算法[J]. 计算机工程与应用, 2007, 43(3期): 30-30.