论文部分内容阅读
摘要:智能规划(AI planning)是人工智能(AI)的重要研究领域,其主要任务是根据系统的初始状态和给定的动作集合,在计算机的辅助下自动或半自动地生成动作序列(称为一个计划plan),用以达到给定的目标状态或实现给定的目标任务。智能规划的研究已有近四十年的历史。近年来,面向实际应用成为智能规划的研究热点之一。层次任务网(Hierarchical task network, HTN)规划是面向实际应用提出的重要‘智能规划框架和方法,在智能物流与交通、智能制造、软件工程、工业控制、军事调度等领域具有广泛的应用前景。本文在智能工程理论的指导下,结合载运工具运用、电站运行等工程应用,进行了若干面向实际应用的HTN规划基础理论与实施方法研究。主要包括:(1)为改善大规模规划问题的求解效率,本文提出了基于模型的层次任务网规划的基本概念,进而给出了一种系统建模的集成框架——结构化对象—属性—关系模型(SOAR)和若干基于该模型的推理算法。通过对载运工具运用实例的实验表明,在面向对象、基于构件的混杂环境中,该方法不仅能够很好地组织系统模型并对涉及符号与数值知识进行集成描述,提供更为实用的系统建模支持,而且能够显著改善大规模环境下的HTN规划求解效率。(2)为适应复杂环境中的规划问题,提出了将系统仿真技术与HTN规划相结合的框架用于求解混杂环境中的规划问题。该框架将顺序任务分解算法(Ordered Task Decomposition, OTD)与前向仿真算法有机地融合,能够保持仿真与规划求解的同步进行。基于该框架,提出并实现了工业系统故障处理预案的生成机制。以电站凝结器真空下降的处理为例验证了该框架的可行性。(3)为灵活地进行计划的评估与优化,本文提出了一种快速有效的多计划生成算法——分段回溯算法,不仅能够在一次HTN规划求解过程中快速地生成一定数量的可行解,而且将计划生成过程与计划评估过程分离,从而为采用灵活多样的计划评估与优化方法提供有力的支持。(4)目前的多数智能规划语言主要面向理论问题的研究,模型的理解、修改、扩展、维护均存在一定的困难,不能有效支持工程领域中的智能规划研究。本文在SOAR框架的基础上,基于Modelica语言的基本语法,设计并实现了一种建模语言——基于模型的集成规划语言(MIPL)。该语言不仅支持面向对象、基于构件、层次化的建模方法,而且支持混合符号/数值的推理与计算以及HTN规划。本文涉及的多数算例采用该语言实现。(5)为了增强知识在智能规划中的运用,本文在本体论方法的基础上,提出了基于SOAR框架的智能规划系统本体论——SOAR-HTN,并以Protege系统为工具探讨了该方法的实现。同时实现了基于该本体的图形化知识建模环境。实践表明,该方法在一定条件下具有建模一致性好、建模过程易操作、与规划器协同便捷等特点。最后,总结了本文的主要工作并对进一步的研究方向进行了展望。