混雜系統(tǒng)中基于模型的集成智能規(guī)劃理論與方法研究.pdf

1、智能規(guī)劃(AI planning)是人工智能(AI)的重要研究領域，其主要任務是根據(jù)系統(tǒng)的初始狀態(tài)和給定的動作集合，在計算機的輔助下自動或半自動地生成動作序列(稱為一個計劃plan)，用以達到給定的目標狀態(tài)或實現(xiàn)給定的目標任務。智能規(guī)劃的研究已有近四十年的歷史。近年來，面向實際應用成為智能規(guī)劃的研究熱點之一。
　　 層次任務網(wǎng)(Hierarchical task network，HTN)規(guī)劃是面向實際應用提出的重要智能規(guī)劃框架和

2、方法，在智能物流與交通、智能制造、軟件工程、工業(yè)控制、軍事調(diào)度等領域具有廣泛的應用前景。
　　 本文在智能工程理論的指導下，結合載運工具運用、電站運行等工程應用，進行了若干面向實際應用的HTN規(guī)劃基礎理論與實施方法研究。主要包括：
　　 (1)為改善大規(guī)模規(guī)劃問題的求解效率，本文提出了基于模型的層次任務網(wǎng)規(guī)劃的基本概念，進而給出了一種系統(tǒng)建模的集成框架--結構化對象-屬性-關系模型(SOAR)和若干基于該模型的推理算法。

3、通過對載運工具運用實例的實驗表明，在面向對象、基于構件的混雜環(huán)境中，該方法不僅能夠很好地組織系統(tǒng)模型并對涉及符號與數(shù)值知識進行集成描述，提供更為實用的系統(tǒng)建模支持，而且能夠顯著改善大規(guī)模環(huán)境下的HTN規(guī)劃求解效率。
　　 (2)為適應復雜環(huán)境中的規(guī)劃問題，提出了將系統(tǒng)仿真技術與HTN規(guī)劃相結合的框架用于求解混雜環(huán)境中的規(guī)劃問題。該框架將順序任務分解算法(OrderedTask Decomposition，OTD)與前向仿真算法有

4、機地融合，能夠保持仿真與規(guī)劃求解的同步進行。基于該框架，提出并實現(xiàn)了工業(yè)系統(tǒng)故障處理預案的生成機制。以電站凝結器真空下降的處理為例驗證了該框架的可行性。
　　 (3)為靈活地進行計劃的評估與優(yōu)化，本文提出了一種快速有效的多計劃生成算法-分段回溯算法，不僅能夠在一次HTN規(guī)劃求解過程中快速地生成一定數(shù)量的可行解，而且將計劃生成過程與計劃評估過程分離，從而為采用靈活多樣的計劃評估與優(yōu)化方法提供有力的支持。
　　 (4)目前的

5、多數(shù)智能規(guī)劃語言主要面向理論問題的研究，模型的理解、修改、擴展、維護均存在一定的困難，不能有效支持工程領域中的智能規(guī)劃研究。本文在SOAR框架的基礎上，基于Modelica語言的基本語法，設計并實現(xiàn)了一種建模語言--基于模型的集成規(guī)劃語言(MIPL)。該語言不僅支持面向對象、基于構件、層次化的建模方法，而且支持混合符號/數(shù)值的推理與計算以及HTN規(guī)劃。本文涉及的多數(shù)算例采用該語言實現(xiàn)。
　　 (5)為了增強知識在智能規(guī)劃中的運用