对抗条件下的计划生成过程建模及状态推理

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (26): 1-3.

对抗条件下的计划生成过程建模及状态推理

武云鹏，黄金才，张维明，刘忠，朱承，修保新

国防科学技术大学信息系统与管理学院，长沙 410073

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-09-11 发布日期:2011-09-11

Planning modeling and state reasoning in competitive situation

WU Yunpeng，HUANG Jincai，ZHANG Weiming，LIU Zhong，ZHU Cheng，XIU Baoxin

Information System and Management，National University of Defense Technology，Changsha 410073，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-09-11 Published:2011-09-11

摘要/Abstract

摘要： 计划生成是AI领域的一个重要的研究分支，其相关研究成果在越来越多的领域得到应用。研究对抗条件下的动态计划生成过程建模和相关推理方法;定义了对抗条件下的计划生成过程模型，并给出基于该模型的状态推理机制;动态环境的不确定性则以先验概率的形式给出。针对先验概率主观性较强的缺点，进一步设计了一种先验概率的修订策略。在分析计划生成问题复杂程度的基础上，设计了基于[A*]算法的启发式算法;实验结果验证了该算法具有良好的精确性和可扩展性。

关键词: 动态环境, 计划生成, 对抗条件下, 先验概率

Abstract: Planning is one of the most important branches in AI，the achievements of research have been applied in a lot of areas.The paper investigates the problem of planning modeling and related reasoning method in competitive situation.It defines a planning model and gives the state reasoning mechanism based on the model.The uncertainty in dynamic environment is given in the form of prior probability.To reduce the subjective affect of prior probability，this paper designs a revised strategy.After analyzing the complexity of the planning problem in competitive situation，the paper designs a heuristic algorithm based on [A*] algorithm，and the experimental results verify that the algorithm has good accuracy and scalability.

Key words: dynamic environment, planning, competitive situation, prior probability

武云鹏，黄金才，张维明，刘忠，朱承，修保新. 对抗条件下的计划生成过程建模及状态推理[J]. 计算机工程与应用, 2011, 47(26): 1-3.

WU Yunpeng，HUANG Jincai，ZHANG Weiming，LIU Zhong，ZHU Cheng，XIU Baoxin. Planning modeling and state reasoning in competitive situation[J]. Computer Engineering and Applications, 2011, 47(26): 1-3.

[1]	杨世强，范国豪，白乐乐，赵成，李德信. 基于几何约束的室内动态环境视觉SLAM[J]. 计算机工程与应用, 2021, 57(16): 203-212.
[2]	常振，段先华，鲁文超，彭媛. 基于多尺度的贝叶斯模型显著性检测[J]. 计算机工程与应用, 2020, 56(11): 207-213.
[3]	何晶，吴成茂. 核空间隐马尔可夫随机场图像模糊聚类[J]. 计算机工程与应用, 2016, 52(22): 185-191.
[4]	孙永河1，段万春1，李春好2，许成磊1. 动态环境下的群组专家多准则变权决策方法[J]. 计算机工程与应用, 2015, 51(2): 1-6.
[5]	吕战永，曹江涛. 自反馈生物激励神经网络机器人路径规划[J]. 计算机工程与应用, 2014, 50(16): 255-258.
[6]	石兆1，2，符卓1. 动态环境下有时间窗的成套配送车辆路径问题[J]. 计算机工程与应用, 2012, 48(32): 23-29.
[7]	钱淑渠，武慧虹. 基于模拟退火选择的动态免疫算法及其应用[J]. 计算机工程与应用, 2011, 47(36): 57-60.
[8]	冯林，贾菁辉. 基于对比优化的RRT路径规划改进算法[J]. 计算机工程与应用, 2011, 47(3): 210-213.
[9]	赵彦杰，唐普英. 动态环境下基于粒子群算法的多用户检测器[J]. 计算机工程与应用, 2010, 46(8): 141-143.
[10]	王璐¹，张道光¹，蔡自兴². 结合显著特征与运动目标滤除的动态场景识别[J]. 计算机工程与应用, 2010, 46(26): 152-154.
[11]	游维,李枚毅,吴琼,胡剑. 一种动态未知环境下的机器人路径搜索方法[J]. 计算机工程与应用, 2009, 45(19): 201-203.
[12]	陈伟¹,唐红光². 基于先验概率模型的自适应背景图像分割算法[J]. 计算机工程与应用, 2009, 45(10): 176-178.
[13]	肖乐^1,2,何欣³,韩中⁴. 基于贝叶斯网络的工业系统维护模型研究[J]. 计算机工程与应用, 2008, 44(9): 205-207.
[14]	李孝源,李枚毅,宋凌. 动态环境下一种改进的小生境粒子群算法[J]. 计算机工程与应用, 2008, 44(9): 51-54.
[15]	徐雪松,彭春华. 动态环境下的免疫优化[J]. 计算机工程与应用, 2007, 43(1期): 27-27.