智能规划中派生谓词的处理改进与应用扩展研究

派生谓词规则是规划领域描述语言中不可或缺的公理形式。它目前面临三大难题：规划器处理慢、问题规模小、应用领域少。为此，本项目从改进激活集法以快速处理谓词规则、在数据库中直接规划以解决规模问题、扩展派生谓词在过度规划及通用规划中的应用等三方面来系统地研究派生谓词规则。项目在研期间，受到动作模型自动获取的启发，我们发现派生谓词的自动获取同样也是一个重要的研究问题。如果可以从规划例中自动产生派生谓词以解决其来源问题，则会使得对它的快速处理和扩展应用更有意义。因此，新增的研究内容为派生谓词规则的自动获取，这使得本项目的研究内容成为一个更加完善的整体。.所有原定研究目标均以实现。具体研究成果列举如下。在处理方面，前期工作已有基于激活集的改进方法，这些方法可应用于数据库规划中的触发器模拟机制和过度规划中的目标效益依赖规则，使得可高效地处理其中包含的派生谓词规则。在应用方面，基于电信业务规划领域建模的经验，可分析通用规划中派生谓词目标与动作效果的关联，以及将过度规划中的效益依赖函数转换为衍生规则。在获取方面，基于完全观测环境下的学习方法，提出了部分观测环境下的派生谓词规则学习方法，以及自动获取基于规则的RDDL规划领域描述。RDDL的语义模型以及RDBN的结构学习更成为进一步的研究设想。总的来说，自动获取解决来源问题，高效处理解决瓶颈问题，应用扩展解决能力问题，三方面相得益彰，使得本项目的研究更有意义。