不确定规划中的扩展目标语义比较和观测信息约简

摘要

不确定规划是目前人工智能研究领域的一个热点。在完全可观察性的条件下对扩展目标作规划，以及在完全可观察性(或部分可观察性)的条件下对可达性目标求强规划解(简称强解)是其中的两个重要的不确定规划问题。 在完全可观察性的条件下对扩展目标作规划时，扩展目标常常体现为时态逻辑公式，特别是CTL公式或E<,A>G<,LE>公式。虽然E<,A>G<,LE>与CTL相比具有可以表示“规划意图”和“对子目标的失败处理机制”的特点；但是，在表示扩展目标的语义层次上，有关CTL和E<,A>G<,LE>之间比较的研究还不多。本文根据有关CTL目标公式和E<,A>G<,LE>目标公式的严格的语义描述，证明了：对于许多E<,A>G<,LE>目标公式而言，都存在着一个与之语义等价的CTL目公式(在这些E<,A>G<,LE>目标公式当中，还包括了一些原来被认为不可以用CTL目标公式表达的E<,A>G<,LE>目标公式)。另外，本文还分析指出了E<,A>G<,LE>目标公式与CTL目标公式相比在表达能力上的一些局限性。 在目前所有的关于求强规划解(无论是在完全可观察性还是部分可观察性的条件下)的研究中，观测变量的集合都被认为是固定的而且是强制性的。然而，在许多现实的规划领域里，观测变量的集合是变化的或者是可选择的：另外，某些观测信息对强解的执行也许是毫无用处的，但获得这些观测信息却需要付出一定的代价。为强解作观溅信息约简(即在不影响柑应盼动作执行过程的情况下，尽量简化伴随其间信息观测工作)是一个很有意义的研究内容，因为它可以改善强解的质量并使其执行的代价减少。就我目前所知，这仍然是个待解决的问题。本文首次提出了相关问题，并给出了第一个对状态——动作表形式的强解作观测信息约简的算法sTRONG-FO-PO。输入某个状态——动作表形式的强解π<,F>，算法STRONG-FO-PO会首先计算一个近似最小的在π<,F>执行期间可能有用的观测变量集V<,obs>，然后把π<,F>F转化为一个建立在V<,obs>上的条件规划π<,F>。另外，本文还证明了该算法是可终止的和合理的。

目录

文摘

英文文摘

第1章引言

第2章不确定规划综述

2.1研究背景

2.2不确定性的三个维度

2.3各种不确定规划方法

第3章规划领域、规划和规划问题

3.1规划领域

3.2在完全可观察性的条件下对可达性目标作规划

3.3在完全可观察性的条件下对扩展目标作规划

3.4在部分可观察性的条件下对可达性日标作规划

第4章扩展目标的语义比较

4.1 CTL 目标公式和EAGLE目标公式的语义等价

4.2用CTL目标公式语义等价地表示EAGLE目标公式

4.3 EAGLE目标公式的局限性

4.4结论与未来工作

第5章对强解作观测信息约简

5.1扩展的观测信息和条件规划

5.2对强解作观测信息约简的算法

5.3算法分析

5.4结论与未来工作

第6章总结和对未来工作的展望

参考文献

附录 重要词汇中英文对照

攻读博士期间发表的相关文章列表

攻读博士期间发表的其它文章列表

致谢

原创性声明