智能规划中基于遗传算法的动作模型学习

姜云飞1赖志锋2

1.香港科技大学; 2.中山大学;

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(Action Model Learning System Based on Genetic Algorithm)系统来具体实现这一思想.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

所属期刊栏目：30

分类号：TP301(计算技术、计算机技术)

资助基金：国家自然科学基金60173039;高等学校博士学科点专项科研项目;教育部科学技术研究项目

在线出版日期：2007-07-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：945-953