不确定规划中的状态分层算法研究

【摘要】：不确定规划是智能规划与不确定性研究结合后的重要研究分支。由于状态转移的不确定性，现有的不确定规划相关算法中常常存在大量重复的搜索。所以如何有效避免重复搜索，提高问题求解效率直是不确定规划研究的重点。 状态分层和状态可达关系是提高规划问题求解效率的重要工具。状态分层能够直接提高问题求解效率，但分层算法也需要定时间花费；状态可达关系可以大幅提高个规划领域中所有规划问题的求解效率，但状态可达关系求解本身的复杂度很高。 本文主要研究不确定规划中的状态分层算法，在已有状态分层算法及其分层思路的基础上，深入研究了弱规划分层、强循环规划分层、强规划分层三种状态分层的特点、性质及其分层算法，主要取得了以下成果： 形式化地定义了三种状态分层的分层要求，详细分析了符合该要求的状态分层的性质。提出了完整状态分层和部分状态分层的概念，分析了其性质和作用。 针对不确定规划领域的超图，设计了专门的双向动作图数据存储结构。将不确定规划动作及其执行结果直接存储在对应状态下，以便于动作、状态的查找和存储空间的高效利用；将超图中的超弧边在起点和终点分两个方向进行保存以便于正逆两个方向查找。利用该数据存储结构改进了状态分层算法，提高了分层的效率。 在双向动作图数据存储结构基础上，利用强规划分层与强循环规划分层的包含关系，以及强规划分层比强循环规划分层简单的特点，通过将强规划分层算法融合到强循环规划分层算法中，使强规划分层的结果在强循环规划分层中得到复用，设计出了更加高效的强循环规划分层算法。 通过在分层过程中记录各状态与初始状态、目标状态的转移关系信息，将强循环分层算法与搜索算法结合，设计了更高效的强循环规划求解算法。 将状态分层算法运用到状态可达关系的求解中，定义了四种基本的可达关系。设计了可以灵活求解部分可达关系，并能利用不同类型的状态分层分别求得不同精度可达关系的算法。