智能规划中基于遗传算法的动作模型学习.pdfVIP

第30卷第6期 计 算 机 学 报 v01．30No．6 2007年6月 CHINESE 0FCOMPUTERS 2007 JOURNAL June 智能规划中基于遗传算法的动作模型学习 赖 志锋”’2’ 姜云飞2’ ”(香港科技大学计算机科学与工程系 香港) 2’(中山大学软件研究所广州510275) 摘要在动作间的状态未知条件下，利用遗传算法，从不完整的领域描述和规划实例中学习动作模型，并且设计 了AMLS—GA(ActionModel BasedonGenetic LearningSystem Algorithm)系统来具体实现这～思想．作者为每一 个动作构建一个可能谓词集，这个谓词集覆盖了动作前提表、增加表和删除表中的所有谓词．采用二进制编码的方 式，把动作模型编码成GA搜索空间中的一个假设，学习过程是在标准的遗传算法框架下进行的．把学习结果的正 确性定义为尽可能多的解释规划实例，并且通过实验的方法对比学习到的模型与专家预定义模型之间的差别．实 验结果表明，算法能在较短的时间内，学习到一个逼近专家描述的动作模型． 关键词 动作模型学习；规划中的学习；遗传算法；动作约束；规划约束 中图法分类号TP30l ActionModelinAI BasedonGenetic Learning Planning Algorithm LAI JIANGYun—Fei2’ Zhi—Fen91’’2’ 1’(De夕垃雌掰黠￡o，Comp越￡er HD露g Sci删ce王k鲥托卯ri嚣g，丁巍PK。露g汰i雠措{￡岁。，Sci蹦fg＆!、甜矗锋oZog≯，H。靠gKo托g) 2’(J以s“￡甜fP 510275) D，(、D优p“￡PrSo丘让，口，t，2讫。以gs^n咒Lhi口Prsf￡y，G“口雄gz^D“ Abstract andMachine aretwohot inAIresearchfield．In— IntelligentP1anning Learning topics researchinthesetwo has the focus．Basedon thatno tegrated topicsgainedincreasing assumption intermediatestatesbetweenactionsare tolearn mod— aetion given，thispaperpresentsalgorithms elfrom domain andexistent incompletedescription planexamplesusinggenetic algorit