计算机学报
計算機學報
계산궤학보
CHINESE JOURNAL OF COMPUTERS
2007年
6期
945-953
,共9页
动作模型学习%规划中的学习%遗传算法%动作约束%规划约束
動作模型學習%規劃中的學習%遺傳算法%動作約束%規劃約束
동작모형학습%규화중적학습%유전산법%동작약속%규화약속
在动作间的状态未知条件下,利用遗传算法,从不完整的领域描述和规划实例中学习动作模型,并且设计了AMLS-GA(Action Model Learning System Based on Genetic Algorithm)系统来具体实现这一思想.作者为每一个动作构建一个可能谓词集,这个谓词集覆盖了动作前提表、增加表和删除表中的所有谓词.采用二进制编码的方式,把动作模型编码成GA搜索空间中的一个假设,学习过程是在标准的遗传算法框架下进行的.把学习结果的正确性定义为尽可能多的解释规划实例,并且通过实验的方法对比学习到的模型与专家预定义模型之间的差别.实验结果表明,算法能在较短的时间内,学习到一个逼近专家描述的动作模型.
在動作間的狀態未知條件下,利用遺傳算法,從不完整的領域描述和規劃實例中學習動作模型,併且設計瞭AMLS-GA(Action Model Learning System Based on Genetic Algorithm)繫統來具體實現這一思想.作者為每一箇動作構建一箇可能謂詞集,這箇謂詞集覆蓋瞭動作前提錶、增加錶和刪除錶中的所有謂詞.採用二進製編碼的方式,把動作模型編碼成GA搜索空間中的一箇假設,學習過程是在標準的遺傳算法框架下進行的.把學習結果的正確性定義為儘可能多的解釋規劃實例,併且通過實驗的方法對比學習到的模型與專傢預定義模型之間的差彆.實驗結果錶明,算法能在較短的時間內,學習到一箇逼近專傢描述的動作模型.
재동작간적상태미지조건하,이용유전산법,종불완정적영역묘술화규화실례중학습동작모형,병차설계료AMLS-GA(Action Model Learning System Based on Genetic Algorithm)계통래구체실현저일사상.작자위매일개동작구건일개가능위사집,저개위사집복개료동작전제표、증가표화산제표중적소유위사.채용이진제편마적방식,파동작모형편마성GA수색공간중적일개가설,학습과정시재표준적유전산법광가하진행적.파학습결과적정학성정의위진가능다적해석규화실례,병차통과실험적방법대비학습도적모형여전가예정의모형지간적차별.실험결과표명,산법능재교단적시간내,학습도일개핍근전가묘술적동작모형.