強(qiáng)規(guī)劃解、弱規(guī)劃解的研究.pdf

1、智能規(guī)劃的研究是人工智能研究領(lǐng)域的一個(gè)重要分支,在具體的實(shí)際應(yīng)用中具有重要的意義。雖然基于模型檢測的規(guī)劃方法發(fā)展時(shí)間不長,但是可以用其來解決很多問題,例如求解不確定規(guī)劃領(lǐng)域的規(guī)劃問題,現(xiàn)在已成為了一個(gè)重要的研究領(lǐng)域。由于動作的不確定性,已有的用來求不確定的狀態(tài)轉(zhuǎn)移系統(tǒng)的弱規(guī)劃解、強(qiáng)規(guī)劃解的方法都是采取從目標(biāo)狀態(tài)開始進(jìn)行搜索的反向搜索方法,但是如何提高求解的效率一直是研究的難點(diǎn);對于帶權(quán)值的不確定的規(guī)劃領(lǐng)域,求其最小權(quán)值規(guī)劃解是一類數(shù)值規(guī)

2、劃問題,因其具有重大實(shí)際應(yīng)用意義也成為研究的重點(diǎn)。
　　本文針對以上問題,使用基于模型檢測的規(guī)劃方法,研究不確定規(guī)劃領(lǐng)域的強(qiáng)規(guī)劃和弱規(guī)劃問題,取得了以下研究成果:
　　1.提出了一種正向搜索方法用以求不確定規(guī)劃領(lǐng)域的強(qiáng)規(guī)劃解、弱規(guī)劃解。本文分析參考文獻(xiàn)[1]提出的反向搜索方法求不確定的狀態(tài)轉(zhuǎn)移系統(tǒng)的強(qiáng)規(guī)劃解、弱規(guī)劃解的算法,并以實(shí)例分析指出了其中的不足之處;反向搜索算法在搜索強(qiáng)規(guī)劃解、弱規(guī)劃解時(shí),需要重復(fù)搜索大量的狀態(tài)動作序

3、偶,且對于許多不構(gòu)成或者可以不參與構(gòu)成強(qiáng)規(guī)劃解、弱規(guī)劃解的狀態(tài)動作序偶,也需要進(jìn)行搜索,如果在搜索規(guī)劃解的過程中,能夠避免搜索這些不能構(gòu)成或者可以不參與構(gòu)成強(qiáng)規(guī)劃解、弱規(guī)劃解的狀態(tài)動作序偶,則可以極大的提高求強(qiáng)規(guī)劃解、弱規(guī)劃解的效率。本文設(shè)計(jì)了對不確定的狀態(tài)轉(zhuǎn)移系統(tǒng)的狀態(tài)按照距離目標(biāo)狀態(tài)的遠(yuǎn)近關(guān)系進(jìn)行分層的方法;進(jìn)行分層預(yù)處理之后的系統(tǒng),可以刪除掉大量對求強(qiáng)規(guī)劃解、弱規(guī)劃解無幫助的狀態(tài)動作序偶;在此基礎(chǔ)上,設(shè)計(jì)了使用正向搜索方法求強(qiáng)規(guī)劃

4、解、弱規(guī)劃解的算法,并設(shè)計(jì)了相關(guān)的實(shí)驗(yàn)。從對實(shí)驗(yàn)結(jié)果的分析可知,正向搜索方法能正確且有效的求不確定的狀態(tài)轉(zhuǎn)移系統(tǒng)的強(qiáng)規(guī)劃解、弱規(guī)劃解,且求解效率比反向搜索算法有很大提高。
　　2.提出了一種求最小權(quán)值強(qiáng)規(guī)劃解、最小權(quán)值弱規(guī)劃解的方法。本文對不確定的狀態(tài)轉(zhuǎn)移系統(tǒng)的動作賦予權(quán)值,則不確定的狀態(tài)轉(zhuǎn)移系統(tǒng)的強(qiáng)規(guī)劃解、弱規(guī)劃解具有總代價(jià)值,本文提出了最小權(quán)值強(qiáng)規(guī)劃解、最小權(quán)值弱規(guī)劃解的概念。求最小權(quán)值強(qiáng)規(guī)劃解、最小權(quán)值弱規(guī)劃解是一類數(shù)值規(guī)劃