论文部分内容阅读
智能规划所要解决的问题就是找到一个动作序列,通过该动作序列可以从给定的初始状态到达目标状态。为了简化问题,研究者对规划问题做了许多假设,其中包括执行任何动作的代价均为1且动作没有持续时间。经典规划问题是最简单的一类,并长期获得研究者的青睐。但由于做了过多的假设,经典规划问题越来越不能满足现实需要,因此一些新的规划类问题开始倍受关注。时序规划便是其中的一类。在时序规划中,动作有持续时间,并且动作的代价不再被简单地假设为1,而是与其所消耗的资源和持续时间相关联。基于启发式技术的方法一直是各类规划问题中解搜索的重要方法之一。在本文中,我们将优先约束首次引入到时序规划中并对上下文加强时序启发式函数进行扩展,获得更优的启发式函数。在我们的启发式函数中,我们首先通过基标点来计算各原子之间的优先顺序,然后运用这些优先顺序来提取各个动作的前提条件之间的优先约束关系,并将这些优先约束用于启发式值计算中。另外,我们还为比较变量相关的前提条件提出了一些规则,用于挖掘这类前提条件的优先顺序。对于不同的优先顺序计算方式,我们均在给定的规划域上做了实验并对实验结果进行了详细的分析。通过实验可以看出我们的启发式函数更高效、更优,同时也可以看出该启发式函数的潜在应用前景。