东篱科研大数据发现系统（DRDS）

位置：成果数据库 > 期刊 > 期刊详情页

部分可观察强规划中约减观察变量的研究

期刊名称：软件学报 2008年已经通过审查，将在《软件学报》上发表
时间：0
分类：TP18[自动化与计算机技术—控制科学与工程;自动化与计算机技术—控制理论与控制工程]
作者机构：[1]东北师范大学计算机学院,吉林长春130117, [2]吉林大学计算机科学与技术学院,吉林长春130012, [3]吉林大学教育部符号计算与知识工程重点实验室,吉林长春130012
相关基金：Supported by the National Natural Science Foundation of China under Grant Nos.60496321, 60473042, 60573067, 60803102 （国家自然科学基金）; the Specialized Research Fund for the Doctoral Program of Higher Education of China under Grant No.20050183065 （高等学校博士学科点专项科研基金）; the Science Foundation for Young Teachers of Northeast Normal University of China under Grant No.20070601 （东北师范大学青年基金）
相关项目：对象集合动态可变的图规划及其数学模型的研究

关键词：强规划, 部分可观察规划, 部分可观察强规划, 约减观察变量, 不确定规划, strong planning, planning under partial observation, strong planning under partial observation, decrease observation variables, nondeterministic planning

中文摘要：

给出了一种约减观察变量方法——假设所有的状态变量都不是观察变量，在此基础上逐步增加必要的观察变量，从而最终得到一个必要的观察变量集合．在添加必要的观察变量过程中，该方法不要求得到所有变量的相关信息，从而具有更好的通用性．井艮据是否存在单个观察变量能够区分域中任意两个状态的问题，分别给出了两种约减观察变量方法：当存在一个观察变量可以区分规划域中任意两个状态时，算法可以得到一个最小的观察变量集合；当不存在这样一个观察变量时，算法可以得到一个尽可能小的观察变量集合，但不能保证该集合最小．

英文摘要：

How to decrease the observation variables for strong planning under partial observation is explored. Beginning from a domain under no observation, add necessary observation variables gradually to get a minimal set of observation variables necessary. Two methods are presented to decrease observation variables. With the former, when any of the two distinct states of the domain can be distinguished by an observation variable, this algorithm can find a minimal set of observation variables necessary for the execution of a plan. With the latter, when there are states that can＇t be distinguished by only one observation variable, this algorithm can find a set of observation variables as small as possible which are necessary for the execution of a plan.