A non-admissible heuristic function based on synchronized abstract plans

• Autor(a) principal: Duranti, Nicolas Casagrande
• Data de Publicação: 2023
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: eng
• Título da fonte: Repositório Institucional da UFRGS
• Texto Completo: http://hdl.handle.net/10183/259365
• topic: Inteligência artificial; Plano; Heurística; Heuristic search; Classical planning; Abstraction based heuristic functions; Non-admissible heuristic functions

Planejamento clássico é um tradicional problema de Inteligência Artificial que consiste em encontrar uma sequência de ações, denominada de plano, para atingir um desejado objetivo dado um estado inicial. Dizemos que o custo do plano é a soma dos custos de realizar cada ação que compõem o plano. Uma tarefa de planejamento clássico é uma descrição compacta de um problema de planejamento. Ela induz um sistema de transição: um grafo onde os vértices representam os possíveis estados e as arestas representam as ações que transformam os estados. Para resolver o problema de planejamento, é preciso determinar um caminho do estado inicial para um estado objetivo no sistema de transição. Algoritmos de busca combinados com funções heurísticas independentes de domínio são o método mais popular para resolução de tarefas de planejamento clássico. Heurísticas estimam quão longe um estado está do objetivo, indicando qual estado deve ser avaliado a seguir. Uma abordagem adotada por algumas heurísticas é utilizar uma abstração: um mapeamento dos estados concretos em estados abstratos que resulta no chamado sistema de transição abstrato, que é tipicamente menor que o sistema de transição original. O custo de um plano no sistema de transição abstrato é uma estimativa do custo do plano concreto. Este trabalho introduz uma nova heurística não admissível para "satisficing planning" (onde o objetivo é encontrar qualquer plano, não necessariamente o mais barato). A ideia principal é: dado uma lista ordenada de sistemas de transição abstratos, calcular o caminho mais barato do estado inicial até um estado objetivo para cada grafo, considerando as ações que compõem os caminhos anteriores como crédito para os seguintes. Mais precisamente, uma ação pode ser utilizada em um novo caminho gratuitamente (com custo zero) até a quantidade de vezes que aparece no caminho já encontrado que mais a utiliza. No final, o valor da heurística é a soma do custo de todos os caminhos encontrados. Nós avaliamos a heurística proposta com o sistema de planejamento Fast Downward. Comparamos nossa heurística com as heurísticas FF e Post-Hoc Optimization no con junto de benchmarks da IPC11. Os resultados mostram que a nova heurística aumenta a cobertura em 12% em comparação com a heurística FF, enquanto expande menos estados na maioria dos domínios.