基于Graphplan的公理改进：优化智能规划编码效率

本文主要探讨了命题编码中公理组合与设计在智能规划领域的关键作用，尤其是在基于可满足性（SAT）的规划方法中。作者针对Graphplan，一种流行的智能规划框架，提出了三种公理改进策略：动作互斥部分放松、动作互斥的完全放松方法以及添加框架公理。这些改进旨在优化编码效率和规模，使之适应不同的问题场景。 首先，作者通过在SATPLAN2006规划系统中实现这三种改进的编码方式，对标准后勤域和积木世界域的典型问题实例进行了实验。实验结果显示，这三种改进对于提高编码的可满足性规划问题求解效率具有显著效果，在大多数情况下，基于Graphplan的改进编码方法证明是有效的。 接下来，作者进一步引入基于状态的编码方式，与传统的基于动作的编码方式进行对比，探究了约简动作与约简状态这两种极端情况下的性能差异。实验发现，在后勤域的一些特定问题中，基于状态的编码方式展现出更高的解决效率和更紧凑的编码规模，这意味着编码策略的选择应根据问题域的具体特性来定制，而非一味依赖某一种固定的编码方式。 本文的研究强调了智能规划中公理组合的灵活性和选择的重要性，即针对不同问题特性和规划任务，合理地选择和组合公理能够显著提升规划系统的性能。这为智能规划技术的实际应用提供了有价值的经验和指导，推动了该领域的理论与实践相结合的发展。