• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>International Conference on Automated Planning and Scheduling(ICAPS 2006); 2006; >Sequential Monte Carlo in Probabilistic Planning Reachability Heuristics
【24h】

Sequential Monte Carlo in Probabilistic Planning Reachability Heuristics

机译：概率规划可达性启发式方法中的顺序蒙特卡洛

获取原文
获取原文并翻译 | 示例
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

The current best conformant probabilistic planners encode the problem as a bounded length CSP or SAT problem. While these approaches can find optimal solutions for given plan lengths, they often do not scale for large problems or plan lengths. As has been shown in classical planning, heuristic search outperforms CSP/SAT techniques (especially when a plan length is not given a priori). The problem with applying heuristic search in probabilistic planning is that effective heuristics are as yet lacking. In this work, we apply heuristic search to conformant probabilistic planning by adapting planning graph heuristics developed for non-deterministic planning. We evaluate a straight-forward application of these planning graph techniques, which amounts to exactly computing the distribution over reachable relaxed planning graph layers. Computing these distributions is costly, so we apply Sequential Monte Carlo to approximate them. We demonstrate on several domains how our approach enables our planner to far out-scale existing (optimal) probabilistic planners and still find reasonable quality solutions.
机译：当前最一致的概率规划器将问题编码为有限长度的CSP或SAT问题。尽管这些方法可以为给定的计划长度找到最佳解决方案，但它们通常无法解决大问题或计划长度。如经典计划中所示，启发式搜索的性能优于CSP / SAT技术（尤其是在没有事先确定计划长度的情况下）。在概率计划中应用启发式搜索的问题在于，尚缺乏有效的启发式方法。在这项工作中，我们通过适应为非确定性计划开发的计划图启发式方法，将启发式搜索应用于一致的概率计划。我们评估了这些计划图技术的直接应用，这等于精确计算可到达的轻松计划图图层上的分布。计算这些分布的成本很高，因此我们应用顺序蒙特卡洛法对其进行近似。我们在几个领域上展示了我们的方法如何使我们的计划者超越现有的（最佳）概率计划者规模，并且仍然找到合理的质量解决方案。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号