规划的确定性与不确定性——以荆州市沙北新区行政文化中心、体育中心概念规划为例

从城市发展战略、定位、设计原则和地块特色等方面对一个城市新区——位于荆州市沙北新区的行政文化中心、体育中心——进行了深度解读,重点分析了在项目修改过程中出现的一系列不确定性因素——用地的现实矛盾、决策者的认识、部门诉求、城市经营策略等,及其对规划设计的影响,反思当前国内规划实践操作过程中的确定性与不确定性。

不确定层次任务网络规划研究综述

层次任务网络(Hierarchical task network,HTN)规划作为一项重要的智能规划技术被广泛应用于实际规划问题中,传统的HTN规划无法处理不确定规划问题.然而,现实世界不可避免地存在无法确定或无法预测的信息,这使许多学者开始关注不确定规划问题,不确定HTN规划研究也成为HTN规划研究的前沿.本文从HTN规划过程出发分析了不确定HTN规划问题中涉及的三类不确定,即状态不确定、动作效果不确定和任务分解不确定;总结了系统状态、动作效果和任务分解等不确定需要扩展确定性HTN规划模型的工作,以此对现有不确定HTN规划的研究工作加以梳理和归类;最后,对不确定HTN规划研究中仍需要解决的问题和未来的研究方向作了进一步展望.

基于不确定规划的产品拆卸序列规划

分析了产品拆卸序列规划中的不确定性,在基于混合图的产品拆卸模型的基础上,将产品拆卸序列规划转化为一类不确定规划问题。以机会约束规划模型为基础,使用模拟退火算法,给出了基于不确定规划的产品拆卸序列规划求解流程和算法。最后,通过一个简化的计算机主机箱实例说明了方法的有效性及优越性。

对不确定规划中观测约简的进一步研究

从3个方面改进了不确定规划(non-deterministic planning,简称NDP)中的观测约简:一是如何找最小观测集合(minimal observation set,简称MOS),二是如何在观测代价不均等时找最优观测集合(optimal observation set,简称OOS),三是如何找到容错的OOS.通过MOS问题和图论中的最小覆盖集问题(minimal set cover,简称MSC)的类似性,可证MOS是NP难的问题,还可参考MSC算法得出时间复杂性不超过O(2mm2)且不低于Ω(2m-1)的算法,其中m是观测的个数.通过使用整数规划(integer programming,简称IP)技术,可找到OOS以及容错的OOS.可以证明,上述算法能够保证找到解,并且能够保证解的最优性.

不确定规划的研究现状及其发展前景

本文简要介绍不确定规划理论、算法以及应用研究的现状 ,描绘了不确定规划理论的基本框架。首先介绍处理各种不确定性的数学工具 ;接着阐述不确定规划的建模机理与求解方法 ;然后提出了不确定规划中值得进一步研究的一些问题 ;

基于改进最小生成树算法并考虑负荷不确定性的配电网架最优规划

为在规划过程中考虑负荷的不确定性,提出了一种新的配电网规划优化方法。将不确定性负荷分为单条件负荷和多条件负荷两类。对于所有负荷都是单条件负荷的情形,根据流过各条边的电流的二阶原点矩确定各条边的权,在此基础上利用改进最小生成树算法获得最优规划方案。对于规划区域中存在多条件负荷的情形,将各个多条件负荷的各种可能性进行组合构成场景,对于每一个场景采用单条件负荷规划方法获得初步网架和初始费用,并分别计算该初步网架在各个场景下的补偿费用,选取初始费用与补偿费用之和的数学期望最小的方案为最优规划方案。算例分析表明了该配电网规划方法的可行性。

非确定规划及带有时间和资源的规划的研究

智能规划是人工智能近年来的研究热点,早期的工作主要是围绕着具有较强约束的经典规划展开,最近的工作放宽了这些假设,使智能规划逐渐走向应用。在分析经典规划特点的基础上,介绍了非确定规划的研究进展和带有时间和资源的规划的研究,并对智能规划的进一步工作和存在的问题提出了一些看法。

配电网架的多阶段不确定性规划

为了在规划过程中考虑负荷的不确定性,提出了一种基于改进最小生成树算法的多阶段不确定性规划方法。以多阶段供电总成本现值最小为各场景目标,根据规划结果的收敛性,动态调整各个阶段保留的考察网架个数,各阶段间采用扩展规划算法进行计算。最后以各场景总费用的数学期望最小的方案作为最佳规划结果。利用多阶段规划中各个条件负荷的自相关性和互相关性,滤除大量不可能组合,有效减少了场景个数,提高了规划计算效率。该方法考虑了负荷不确定性的配电网架优化规划结果,具有计算量小的特点。算例表明该方法是可行的。

基于模糊路段流量的OD反推的不确定规划模型与算法研究

考虑调查数据存在的偏差,将路段流量视为一个模糊数,在此基础上构造一个OD反推的双层规划模型,其上层为一模糊期望值模型,即以路段计算流量与实测流量的偏差模糊期望值最小为目标;下层为用户平衡分配模型。为求解该模型,将模糊模拟、二分法、人工神经网络以及遗传算法相结合,给出一种混合智能算法及其步骤。通过一个简单的路网进行仿真试验,最后对这一新方法的有效性进行检验,并对结果进行了分析。

不确定规划中非循环可达关系的求解方法

对一个不确定状态转移系统求多个规划问题,那么获得不确定状态转移系统的状态可达关系可以方便求解规划问题,减少冗余计算,建立系统的引导信息。提出一个关于矩阵求不确定领域的状态可达性关系的方法,主要思想是以矩阵乘法来模拟状态转移系统中状态转移,对不确定动作带来的扩散和确定关系带来的聚合进行了统计和处理,从而获得状态可达信息。证明了方法的正确性和有效性。在不确定规划中确定了状态之间的可达性关系,可以在求规划解时删除对规划没有用的状态节点和状态动作序偶;选择能到达目标节点的状态节点和状态动作序偶;进行启发式正向搜索;减少大量冗余计算;提高求解效率。

不确定可逆规划的强循环规划解

动作的执行在理想情况下是确定的,但现实生活中常常因为意外情况的发生而造成了不确定性,并产生不利影响.针对这种情况,建立了一种新的不确定规划模型,在不确定规划中增加了两个约束:1)所有动作的执行是可逆的;2)若一个状态在理想情况下不能达到目标,那么它不能企图在执行一个动作时发生意外而接近或达到目标.在该模型下设计了求解强循环规划的算法,首先只考虑所有动作的执行是在理想情况下发生的,这时可以将规划子图转换为规划子树并求出规划子树中每个状态的可达性;接下来考虑所有动作执行意外的情况,若动作被意外执行之后不能到达目标状态,则删除这个动作并更新规划子图和规划子树,最后通过遍历规划子图和规划子树求强循环规划解.考虑到有些意外的发生并不可预知,该算法能够在意外发生时只对部分失效的规划解进行更新而不需要重新求规划解.实验结果证明该算法能够快速地更新规划解且与问题的规模大小无关.

确定树求强规划解

定义了确定树,设计了求确定树的方法。基于该方法设计了求强规划解的算法,找到每个初始状态对应的确定树,在找到确定树之后,求强规划解不需要从目标状态一直搜索到初始状态,只需要从目标状态反向找到确定树的任意一个节点,再通过这个节点在确定树中反向搜索到初始状态从而得到一个强规划解。实验结果表明:所设计的算法比用反向搜索方法求强规划解的算法的效率高。

模糊灰色智能优化算法在生产计划不确定规划中的应用

在模糊和灰色两类不确定因素并存条件下定义了模糊灰色变量,基于模糊灰色变量的可信性和机会测度建立了生产计划不确定规划模型。采用模糊灰色模拟技术对不确定目标函数和不确定约束产生输入输出数据,用产生的输入输出数据训练神经网络逼近不确定函数,通过基于遗传算法的混合智能优化算法得出最优解,并用实例说明了本模型和算法的有效性。

不确定规划模型及其算法研究

分析并建立不确定规划的期望值处理模型,机会测度分析模型,极大化事件实现机会的数学模型。给出不确定环境下多层规划的数学模型,不确定Monte-Carlo规划,不确定多属性决策区间熵权规划以及不确定结构规划的神经网络优化模型。并给出不确定规划的混合智能算法。不确定复杂问题决策系统表象和实质各异,有效分析、评价的方式和方法多样,定量的和科学的描述与解析既是问题的深入的前提,也是复杂系统得以优化的保障。

JLU-RLAO和JLU-QLAO:两个不确定智能规划求解系统

不确定环境下的智能规划问题往往假设世界状态的转移概率是确切可知的,然而规划建模专家有时只能在信息不完备的条件下进行建模,从而只能通过猜测或者不完全统计的方法来获取不完备的有关状态转移不确定性的定量信息,有时甚至只能获取相关的定性信息.在2004年概率规划比赛冠军LAO系统的基础上设计了JLU-RLAO系统和JLU-QLAO系统.它们可以在无法获得精确的状态转移概率条件下,依然保证规划求解的健壮性.实验结果表明,JLU-RLAO系统和JLU-QLAO系统可以快速高效地解决上述不确定智能规划问题.

一种不确定性规划方法用于校园能源管理的研究

为更好地解决校园能源管理中的不确定性问题,引入了不确定性模糊多目标规划(IFMOP)方法,并利用IF-MOP方法对校园能源管理进行了规划研究.案例研究表明,IFMOP能较好地处理不确定信息,实现决策者的意愿,成功用于校园能源管理规划并取得较理想的效果.

不确定规划中一种观察信息高效约简算法

在不确定规划中,可通过观察周围的信息来区分多个状态,但周围的观察信息较多,因此如何从大量的观察信息中筛选必须的信息非常重要。以往算法是在直接搜索过程中增加一些剪枝条件来达到优化的目的,存在一定的局限性。在对观察信息约简研究中,为提高搜索效率,设计一种高效的不确定规划中观察信息约简算法。该算法将规划问题转化为求解0-1矩阵的覆盖问题,使用数据结构十字链表来表示0-1矩阵,通过维护十字链表并采用启发式函数来加速求解一个最小观察变量集。实验结果表明,该算法不仅能够找最小观察变量集,而且运行速度超过同类算法。

虚拟角色不确定性规划建模研究

对被建模对象规划行为固有的不确定性建模可以让虚拟角色表现出不确定性行为,有助于提高虚拟角色的逼真度和可信度。以往的行为建模很少考虑虚拟角色的不确定性规划。对虚拟角色的不确定性规划建模进行了探索性研究。在不确定性函数的基础上给出了虚拟角色不确定性规划的概念。针对静态和动态不确定性规划分别给出了相关的建模方法。指出了不确定性规划建模存在的抖动问题,并设计了基于抖动阈值和备选计划集大小的防抖动方法。最后以虚拟坦克行为仿真验证了方法的可行性和有效性。

不确定机会约束规划模型及在TPTCL中的应用

基于不确定规划理论以及不确定规划模型,研究目标函数在一定置信水平下取得最值的一类不确定机会约束规划模型,给出求解不确定机会约束规划模型的算法。并研究了运输能力限制下的运输问题(TPTCL)的不确定机会约束规划模型,通过对不确定环境下TPTCL进行分析、建立其不确定机会约束规划模型和数值求解,说明该模型和算法的合理性和有效性。

基于乐观值和悲观值的不确定机会约束规划模型及应用

为了克服随机规划、模糊规划以及不确定规划期望值模型在实际应用中的局限性,基于乐观值和悲观值,提出了新的不确定机会约束规划模型。首先,根据目标函数的分类,分别定义了收益函数和成本函数的乐观值与悲观值,并在此基础上建立了不确定机会约束规划Maximax、Maximin、Minimin和Minimax模型;其次,给出了不确定机会约束规划模型的等价转化方法,将无法直接求解的不确定模型转化为可直接求解的等价确定模型,并分析了乐观值和悲观值随信度水平变化的规律;最后,以西安市某快递营业网点出行时间计划问题为例,对本文提出的模型、方法以及信度水平的影响进行了分析,指出信度水平实际上反映了决策者的风险偏好程度,实例结果表明本文提出的模型及方法具有可行性、有效性和实用性。