advertise laitec sharif univercity استخراج بیت کوین با کامپیوتر استخراج بیت کوین با کامپیوتر
دانلود پروژه فروشنده دوره گرد با الگوریتم ازدحام ذرات PSO در #C

دانلود پروژه فروشنده دوره گرد با الگوریتم ازدحام ذرات PSO در #C

4800 تومان
دانلود سورس پروژه پایانی وب سایت بنگاه املاک با php

دانلود سورس پروژه پایانی وب سایت بنگاه املاک با php

18000 تومان
دانلود پروژه مهندسی نرم افزار ، سیستم داروخانه

دانلود پروژه مهندسی نرم افزار ، سیستم داروخانه

3000 تومان
دانلود سورس پروژه سی شارپ شبیه سازی صف بانک تحت شبکه

دانلود سورس پروژه سی شارپ شبیه سازی صف بانک تحت شبکه

3000 تومان
دانلود سورس پروژه فروشگاه کیف با asp.net و sql express

دانلود سورس پروژه فروشگاه کیف با asp.net و sql express

3000 تومان

الگوریتم برنامه ریزی گزاره ای SATPLAN

در رویه برنامه ریزی گزاره ای SATPLAN چون عامل نمیداند چند مرحله باید طی کند تا به هدف برسد، الگوریتم، هر تعداد ممکن از مراحل (t) را تست میکند تا به حداکثر طول ممکن برنامه ریزی، یعنی Tmax برسد. در این روش تضمین میشود که کوتاه ترین برنامه ریزی در صورت وجود پیدا شود
الگوریتم برنامه ریزی گزاره ای SATPLAN

الگوریتم برنامه ریزی گزاره ای SATPLAN

در این الگوریتم چگونگی ساخت برنامه ریزی با استنتاج منطقی را بررسی میکنیم. ایده ی اصلی بسیار ساده است:

1- جمله ای بسازید که شامل موارد زیر باشد:

►   Init0 ، کلکسیونی از ادعا ها راجع به حالت شروع.

 Transitiont ,…, Transition1 ► ، "اصول حالت پسین" برای تمام فعالیت های ممکن در هر زمان تا زمان ماکزیمم t.

► ادعاهایی که مشخص میکند در زمان t به هدف میرسیم.

2- کل جمله را به حل کننده SAT ارائه دهید. اگر حل کننده یک مدل ارضاپذیر را بیابد، آنگاه هدف قابل دسترس است، اگر جمله ارضاپذیر نباشد، آنگاه مسئله ی برنامه ریزی غیرممکن است.

3- با فرض اینکه مدلی پیدا شود، متغیرهایی را که نشان دهنده فعالیت هستند و مقدار آنها true است، از مدل استخراج کنید. آنها با هم برنامه ریزی دست یابی به هدف را نشان میدهند.

 

رویه برنامه ریزی گزاره ای SATPLAN ، که شبه کد آنرا در ادامه می بینید، ایده ی مطرح شده را با یک تغییر نشان میدهد. چون عامل نمیداند چند مرحله باید طی کند تا به هدف برسد، الگوریتم، هر تعداد ممکن از مراحل (t) را تست میکند تا به حداکثر طول ممکن برنامه ریزی، یعنی Tmax برسد. در این روش تضمین میشود که کوتاه ترین برنامه ریزی در صورت وجود پیدا شود. با توجه به روش جست وجوی SATPLAN برای جواب، این روش نمیتواند در محیط "پاره ای قابل مشاهده" استفاده شود. SATPLAN مقادیری را به مجموعه ای از متغیرهای غیرقابل مشاهده نسبت میدهد که برای تولید جواب، مهم هستند.

مرحله کلیدی در استفاده از SATPLAN ، ساخت پایگاه دانش است. ممکن است در بازرسی سببی، به نظر برسد که اصول موضوعی کافی باشد. اما، بین نیازمندی های ایجاب منطقی و نیازمندی های  ارضاپذیر ، تفاوت عمده ای وجود دارد.

SATPLAN یک ابزار اشکال زدایی خوب برای پایگاه های دانش است، زیرا مکان هایی را که دانش از دست داده اند، مشخص میکند.

SATPLAN جنبه های جالب دیگری نیز دارد. اولی این است که مدل هایی با فعالیت های غیرممکن را می یابد. برای عدم تولید برنامه ریزی هایی با فعالیت های نامعتبر، باید اصول پیش شرط را اضافه کنیم که میگوید برای انجام این فعالیت باید پیش شرط های آن برآورده شوند.

نکته جالب دوم درباره SATPLAN، ایجاد برنامه ریزی با استفاده از چندین فعالیت بطور همزمان است. برای برطرف کردن این مشکل اصل منبع فعالیت را معرفی میکنیم.

بطور خلاصه، SATPLAN مدل هایی را برای جمله حاوی، حالت شروع، هدفف اصل حالت پسین، اصل پیش شرط، و اصل منبع فعالیت پیدا میکند. میتوان نشان داد که این کلکسیون از اصول موضوعی، کافی است، به این معنا که دیگر جوابهای ساختگی وجود ندارد. هر مدلی که این  جمله ی گزاره را ارضا میکند، یک برنامه ریزی معتبر برای مسئله اصلی خواهد بود.

 

شبه کد الگوریتم جست وجوی SATPLAN

در این الگوریتم، مسئله برنامه ریزی به یک جمله CNF ترجمه میشود که در آن، هدف در مرحله زمانی ثابت t اثبات میشود و اصل موضوعی مربوط به هر مرحله ی زمانی تا t نیز گنجانده میشوند. اگر الگوریتم ارضاپذیری، مدلی را بیابد، آنگاه با توجه به نمادهای گزاره ای که به فعالیت ها مراجعه میکنند و مقدار آنها در مدل برابر true است، یک برنامه ریزی استخراج میشود. اگر هیچ مدلی وجود نداشته باشد آنگاه این فرآیند تکرار میشود به طوری که هدف به مرحله بعدی منتقل میشود.

 

function  SATPLAN(init, transition, goal, Tmax)  returns  solution  or  failure

          inputs :  init , transition, gold, constiture  a  description  of  the  problem

                         Tmax , an  upper  limit  for  plan  lemgth

          

          for  t = 0  to  Tmax  do

                   cnf <-- TRANSLATE-TO-SAT(init, transition, goal, t)

                   model <-- SAT-SOLVER(cnf)

                   if  model  is  not  null  then

                             return   EXTARCT-SOLUTION(model)

          return  failure

 

 



0
نظرات

نظر خود را ارسال کنید



نام:
ایمیل:
دیدگاه:
captcha
کد امنیتی :


advertise
آموزش الگوریتم برنامه ریزی گزاره ای سات پلنالگوریتم SATPLAN چیست؟شبه کد الگوریتم جست وجوی SATPLANدانلود رایگان سورس کد الگوریتم SATPLANSATPLAN algorithmالگوریتم جست وجوی SATPLAN چگونه کار میکند؟ برنامه ریزی با استنتاج منطقی در SAT PLANتبلیغات ارزان سایت آموزش برنامه نویسیتبلیغات مخصوص طراحان وب سایتتبلیغات در سایت برنامه نویسیتبلیغات اینترنتی برای برنامه نویساندر آغوش مینیمالیسممنوی همبرگر با سه خط افقی که روی یکدیگر قرار گرفته اند نشانه چیست؟ سوئیچ به یک ستون واحدتبدیل متن ساده به وبلاگ و سایت های پویا با React.jsکتابخانه sass برای استفاده آسان تر از آنکتابخانه سطح بالا برای اتوماتیک سازی اعمال مرورگر لیست برچسب ها
تمامی حقوق این سایت اعم از محتوی ، تصاویر ، قالب و ... متعلق به گروه مهندسی وب سایت سورس کد می باشد.
SourceCodes.ir ، افقی روشن برای برنامه نویسان ، از مبتدی تا حرفه ای

تولید بیت کوین با کامپیوتر

پیشنهادات ویژه سورس کد

پکیج ویژه پروژه پایانی رشته کامپیوتر دانلود مجموعه 70 پروژه کاربردی سی شارپ وب سایت فروشگاه با php