CAJ | 학술논문

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.
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.