结合领域知识的智能规划方法研究及其应用

发布时间：2024-12-10 22:19

　　智能规划是人工智能的重要组成部分,与当前热门的机器学习,深度学习等同属于人工智能的不同分支,是传统意义上的人工智能。近年来,智能规划在启发式搜索方法和规划模型设计方法上有了新的研究进展,进一步推动了智能规划领域的发展。然而对于复杂的大规模规划问题,即使是利用当前较为先进的启发式搜索方法求解也不一定有效。另外,智能规划作为应用性极强的领域,目前在现实中的应用仍不够广泛,其主要原因是设计出完整的规划模型比较困难。综上,本文的工作主要围绕了上述两个核心问题,探索了在不同特定领域下的多启发式求解方法,并结合知识工程的研究提出了规划模型设计方法,利用规划模型解决了实际应用问题,具体工作主要分为三部分:1.基于启发式搜索的方法是当前较为先进的规划方法,在分析了单启发式方法在搜索过程中存在的问题之后,本文提出了利用多个启发式各自优势来进行规划求解的方法,即多启发式融合。在该方法中针对启发式选择问题,提出了设置启发式队列优先级的策略,根据不同启发式队列的优先级进行选择将要扩展的下一个状态,然后在规划过程中基于贪心的思想快速搜索规划解,并给出了在规划过程中使用多启发式融合的算法。最后通过在国际规划大赛上的...

【文章页数】：84 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究背景和意义
    1.2 国内外发展历史
        1.2.1 智能规划的发展历史
        1.2.2 知识工程的发展历史
    1.3 本文研究内容
    1.4 本文组织结构
第二章 智能规划及其知识工程
    2.1 智能规划简介
        2.1.1 智能规划概念模型
        2.1.2 规划问题的领域知识及描述语言
    2.2 规划问题的知识工程建模
        2.2.1 通用建模方法
        2.2.2 专用建模方法
        2.2.3 基于学习的建模方法
    2.3 规划问题的求解方法
        2.3.1 状态空间搜索
        2.3.2 图规划方法
        2.3.3 基于启发式搜索的规划方法
        2.3.4 规划求解方法小结
    2.4 规划应用领域与现实世界问题
        2.4.1 应用领域
        2.4.2 现实世界问题
    2.5 本章小结
第三章 多启发式融合规划方法研究
    3.1 研究背景
    3.2 放宽规划图启发式
    3.3 线性放宽规划特征启发式
    3.4 Landmark计数启发式
        3.4.1 Landmark定义
        3.4.2 LMC启发式的计算
    3.5 单启发式在搜索过程中存在的问题
    3.6 多启发式融合方法
        3.6.1 启发式队列优先级
        3.6.2 在规划过程中使用多启发式融合方法
    3.7 实验结果和对比
        3.7.1 Blocks领域
        3.7.2 Airports领域
        3.7.3 Pipesworld领域
        3.7.4 Storage领域
        3.7.5 Rovers领域
        3.7.6 实验分析
    3.8 本章小结
第四章 结合领域知识的泊车规划问题建模
    4.1 研究背景
    4.2 规划模型设计方法
    4.3 泊车规划问题与智能规划
    4.4 泊车规划模型设计方法APPG
        4.4.1 停车场领域分析
        4.4.2 PG问题知识建模
        4.4.3 泊车规划模型分析
        4.4.4 规划合成
    4.5 泊车规划实验
    4.6 本章小结
第五章 面向实际应用的泊车规划模型扩展
    5.1 停车场领域现状
    5.2 泊车规划模型扩展方法
        5.2.1 问题规模扩展
        5.2.2 动态扩展
        5.2.3 领域偏好扩展
        5.2.4 多区域扩展
    5.3 面向多目标的泊车规划方法
        5.3.1 多目标泊车规划实验
        5.3.2 实验结果分析
    5.4 本章小结
第六章 总结与展望
    6.1 工作总结
    6.2 未来展望
致谢
参考文献
攻读硕士学位期间取得的成果



本文编号：4015742