40、自动化规划：经典规划与算法解析

自动化规划：经典规划与算法解析

1. 经典规划的定义

经典规划是在离散、确定、静态和完全可观察的环境中，寻找一系列行动以实现目标的任务。以往的两种方法，即第3章的问题解决代理和第7章的混合命题逻辑代理，存在两个局限性：一是每个新领域都需要特定的启发式方法；二是需要显式表示指数级大的状态空间。

为应对这些局限，研究人员采用了一种基于PDDL（规划领域定义语言）的分解表示法。基本的PDDL可处理经典规划领域，其扩展还能处理连续、部分可观察、并发和多智能体等非经典领域。

在PDDL中，状态表示为基础原子流的合取。例如， Poor∧Unknown 可表示一个不幸智能体的状态， At(Truck1,Melbourne)∧At(Truck2,Sydney) 可表示包裹配送问题中的一个状态。

动作模式表示一组基础动作。例如，飞机从一个地点飞到另一个地点的动作模式如下：

Action(Fly(p,from,to),
PRECOND:At(p,from)∧Plane(p)∧Airport(from)∧Airport(to)
EFFECT:¬At(p,from)∧At(p,to))

当状态s蕴含动作a的前提条件时，动作a在状态s中适用。执行适用动作a在状态s中的结果定义为状态s′，通过从s中移除动作效果中的负文字流（删除列表），并添加正文字流（添加列表）得到：

RESULT(s,a) = (s−DEL(a))∪