在部分观测环境下的不确定动作模型学习

作     者：饶东宁 蒋志华 姜云飞 RAO Dong-Ning;JIANG Zhi-Hua;JIANG Yun-Fei

作者机构：广东工业大学计算机学院广东广州510090 暨南大学信息科学与技术学院计算机科学系广东广州510632 中山大学信息科学与技术学院软件研究所广东广州510275 

出 版 物：《软件学报》 (Journal of Software)

年 卷 期：2014年第25卷第1期

页      面：51-63页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(61100134 61003179) 广东省自然科学基金(S2011040001427) 

主　　题：人工智能 自动规划 动作模型学习 不确定动作 部分观测 

摘      要：近年来,动作模型学习引起了研究人员的极大兴趣.可是,尽管不确定规划已经研究了十几年,动作模型学习的研究仍然集中于经典的确定性动作模型上.提出了在部分观测环境下学习不确定动作模型的算法,该算法可应用于假定人们对转移系统一无所知的情形下进行,输入只有动作-观测序列.在现实世界中,这样的场景很常见.致力于动作是由简单逻辑结构组成的、且观测以一定频率出现的一类问题的研究.学习过程分为3个步骤:首先,计算命题在状态中成立的概率;然后,将命题抽取成效果模式,再抽取前提;最后,对效果模式进行聚类以去除冗余.在基准领域上进行的实验结果表明,动作模型学习技术可推广到不确定的部分观测环境中.