基于AORBCO模型的智能规划研究
作者单位:西安工业大学
学位级别:硕士
导师姓名:卢莉萍
授予年度:2024年
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)]
主 题:AORBCO模型 智能规划 自动规划 推荐算法 知识推理
摘 要:智能规划又叫自动规划,是对动作进行推理寻找能够使规划客体状态有目的性转移的动作序列的过程。目前对智能规划的研究主要集中在提出一个规划效率更高、领域适用性更广的规划算法。但是这些研究大都从提高方法效率的角度出发进行研究,与规划主体的问题产生、知识转换割裂开来,很少有人从规划的主体—智能Agent出发,以自我意识为核心,系统研究智能体的智能规划活动。AORBCO模型认为智能规划是实现人工智能的核心,本课题旨在研究一种基于AORBCO模型(Agent-Object-Relationship Model Based on Consciousness-Only)的智能规划研究框架,通过研究人类规划活动的一般流程,尝试给出一种以知识转换以及策略性知识为核心的自动规划框架。通过引入AORBCO模型使得对智能规划的研究不再局限于方法技术上的创新,为实现Agent自动规划提供新的整体研究思路。本文主要研究内容及创新点如下: 1)针对缺少Agent自动规划框架的问题,以AORBCO模型行为控制机制中的规划模块为研究对象,提出了基于AORBCO模型的智能规划框架。从规划主体——“人的视角出发,抽象出人规划问题的一般流程并设计规划框架。通过四大模块实现知识转换和使用,从而模拟人主动规划的过程。研究AORBCO模型中的知识构成以及描述方法,构建问题领域知识库以及规划知识库,为实现自动规划提供框架引导和知识基础。 2)针对自然语言和领域知识两者自动转换问题,以AORBCO模型知识结构和自然语言为研究对象,设计了领域映射方法、愿望生成规则以及愿望—规划文件转换流程,实现了从问题输入到愿望生成以及规划文件的自动生成。将问题领域映射抽象成为文本多分类问题,使用自然语言处理技术对问题文本进行特征提、特征拓展,最后使用图卷积神经网络实现文本领域映射。构建一阶谓词翻译规则生成愿望,使用模板化引擎构建规划领域文件模板,根据愿望的描述与模板生成规划文件。 3)针对行为控制机制的规划模块实现机制单一问题,以规划策略和知识选择为研究对象,提出AORBCO模型中的自我规划策略,搭建了基于Web的自我规划验证平台。通过领域无关规划策略以及领域相关规划策略分别实现规划的两类问题。使用基于协同过滤算法的推荐算法作为领域无关规划方法,以描述性知识和策略性知识为规划数据,构建规划方法推荐系统,提出并引入了问题领域无关特征提高推荐准确率。研究了领域内特定规划方法,以路径规划为例,提出了改进的蚁群算法并在TSP问题上进行验证,将该方法加入到领域知识库中作为新的领域知识参与规划。在Web平台中以人机对话的方式验证本文智能规划框架具有可行性。