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.

考虑资源分配的HTN规划方法及其应用

针对应急决策中方案制定过程和资源分配过程紧密耦合的特点,设计了一种满足HTN(Hierarchy Task Net)规划动作推理机制的方法来求解带资源分配的规划问题.本方法在HTN规划中扩展了资源时间轴来描述资源函数;对于各类资源,在规划推理过程中通过不同的处理流程,将资源分配信息转化为HTN规划的当前全局资源状态;并在HTN规划搜索行动序列的同时,采用资源约束规则和资源约束层次传播规则控制每一步行动所对应的系统状态满足资源约束和时间约束.最后以某区域应急资源筹集为例,将本方法应用于HTN规划模型SHOP2(Simple Hierarchical Ordered Planner 2)证实了其有效性和实用性.

置信规则库结构识别的置信K均值聚类算法

针对置信规则推理作为系统控制器时的应用,提出一种置信K均值聚类算法用于置信规则库的结构识别。在构建好置信规则库的推理框架后,该算法通过对规则前项输入变量的历史数据进行挖掘,得到合理的置信规则库结构,提高推理与决策的精度。相对于传统专家知识确定置信规则库结构的方法,该算法的特点是:最优聚类与相邻评价等级之间的距离成正比,与人的认知能力相一致;最优聚类保证采样点以最小的距离靠近评价等级,也就是保证输入变量尽可能趋近置信规则前项。通过置信规则推理在集约生产计划中应用的案例分析验证了该算法的合理性和有效性。

HTN规划中的资源缺项识别方法

资源缺项是应急决策过程中常见的问题,在利用HTN求解应急行动方案过程中需要进行识别,因此根据应急规划问题和应急规划方案的描述,提出了一种通过在资源状态中添加缺项标记来识别消耗性、可重用性资源缺项的方法.通过防洪工程抢险案例分析,表明能够在HTN规划过程中有效地识别资源缺项,并产生为多部门协商提供依据的资源缺项报告,具有较大的应用价值.