34、人工智能中的规划：从经典算法到概率规划

人工智能中的规划：从经典算法到概率规划

1. 经典规划的主要算法与规划器

经典规划借鉴了许多其他研究领域的解决方案技术。根据规划器的主要目标，如寻找给定标准下的最优计划、在不证明最优性的情况下优化标准、尽可能快速地找到计划而不进行优化等，某些方法被证明比其他方法更有效。无论采用何种解决方案方法，结构分析技术对于获得良好的搜索时间性能都是必不可少的。

1.1 启发式搜索算法

启发式搜索算法是最常用的算法之一，如 A 、IDA 及其变体（如加权 A* 或 EHC）。这些算法用于执行前向或后向状态空间搜索，或在部分计划空间中进行搜索。在部分计划空间中，节点表示部分计划，弧表示对部分计划的修改，包括引入动作以产生目标或已在部分计划中使用的动作的前提条件、保护因果链接以及定义两个动作之间的优先级关系。

这些算法可用于次优规划或动作数量或成本的最优规划。以下是一些基于启发式搜索算法的规划器：
- 次优规划器 ：
- HSP、HSPr 和 HSP2：使用 hadds 启发式。
- RePOP 和 VHPOP：使用 hadds 启发式在部分计划空间中进行搜索。
- FF 规划器：在每个状态下计算其关联松弛问题的计划长度。
- YAHSP 规划器：在 FF 的基础上，贪婪地计算预期计划，并将结果状态添加到待扩展节点列表中。
- Metric - FF 和 SAPA：用于处理数值流的规划。
- SGPLAN：将问题划分为多个更简单的子问题。
- CRICKEY 和 COLIN：用于时间表达规划。
- Macro - FF 和 Marvin：