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

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

10000 تومان
پروژه کامل مدیریت شرکت نرم افزاری با سی شارپ و SQL

پروژه کامل مدیریت شرکت نرم افزاری با سی شارپ و SQL

38000 تومان
دانلود پروژه آموزش چندرسانه ای با دایرکتور Director

دانلود پروژه آموزش چندرسانه ای با دایرکتور Director

10000 تومان
دانلود سورس بازی اندروید جدول خونه (900 جدول) همراه آموزش راه اندازی

دانلود سورس بازی اندروید جدول خونه (900 جدول) همراه آموزش راه اندازی

99000 تومان
پکیج ویژه پروژه پایانی و پایان نامه رشته کامپیوتر

پکیج ویژه پروژه پایانی و پایان نامه رشته کامپیوتر

148000 تومان

برنامه ریزی PDDL در هوش مصنوعی AI

منظور از برنامه ریزی در هوش مصنوعی تهیه مجموعه ای از فعالیت ها برای رسیدن به اهداف است. برنامه ریزی PDDL به مسئله هایی متمرکز میشود که در آنها اغلب فعالیت ها، اغلب چیزها را تغییر نمی دهند
برنامه ریزی PDDL در هوش مصنوعی  AI

برنامه ریزی PDDL در هوش مصنوعی  AI

هوش مصنوعی را بعنوان مطالعه فعالیت های خرمندانه (عقلایی) تعریف کرده اند که به معنای این است که برنامه ریزی بخش مهمی از AI است. منظور از برنامه ریزی در هوش مصنوعی تهیه مجموعه ای از فعالیت ها برای رسیدن به اهداف است. عاملهای حل مسئله مبتنی بر جست وجو و عامل منطقی مختلط دو نمونه از عامل های برنامه ریزی میباشند.

برنامه ریزی کلاسیک، یک زبان رسا (بیان مند)، محدود و در عین حال دقیق را برای نمایش مسئله های برنامه ریزی ایجاد میکند.

عامل حل مسئله، میتواند دنباله هایی از فعالیت ها را بیابد که باعث رسیدن به حالت هدف میشود، اما این عامل با نمایش اتمیک حالت سروکار دارد و در نتیجه برای عملکرد خوب، به ابتکاات خاص دامنه نیاز دارد. عامل مختلط منطقی و گزاره ای، بدون ابتکارات خاص دامنه، میتواند برنامه ریزی ها را پیدا کند، زیرا از ابتکارات مستقل از دامنه ی مبتنی بر ساختار منطقی مسئله استفاده میکند. اما این عامل بر استنتاج گزاره ای پایه ای (فاقد متغیر) متکی است و به معنای این است که وقتی تعداد فعالیت ها و حالت ها بسیار زیاد باشد، در آنها غرق میشود.

در پاسخ به این موضوع، پژوهشگران برنامه ریزی، به نمایش تجزیه شده متوسل شدند. در این نمایش، هر حالت دنیا به وسیله کلکسیونی از متغیرها نمایش داده میشود. از زبانی به نام PDDL استفاده میکنیم که به ما اجازه میدهد تمام فعالیت را با یک شمای فعالیت بیان کنیم. PDDL از زبان برنامه ریزی STRIPS اصلی به دست آمده که محدودتر از PDDL است. پیش شرط ها و اهداف PDDL نمی تواند لیترال های نقیض باشد.

 

در برنامه ریزی کلاسیک PDDL هر حالت بصورت ترکیبی عطفی fluent هایی نمایش داده میشود که اتم های بدون تابع و پایه ای هستند (fluent در هوش مصنوعی، شرطی است که میتواند در طول زمان تغییر کند). نمایش حالت ها به دقت طراحی میشود، بطوریکه با حالت ها میتوان بعنوان ترکیب عطفی fluentها رفتار کرد، که میتواند با استنتاج منطقی دستکاری شود، یا میتوان با آنها به عنوان مجموعه ای از fluentها رفتار کرد، که با مجموعه ای از عملیات ها دستکاری میشوند. گاهی اداره کردن معناشناسی مجموعه آسان تر است. فعالیت ها توسط مجموعه ای از شمای فعالیت توصیف میشوند که توابع را بطور ضمنی توصیف میکنند.

برنامه ریزی PDDL به مسئله هایی متمرکز میشود که در آنها اغلب فعالیت ها، اغلب چیزها را تغییر نمی دهند. فرض کنید دنیا شامل دسته ای از اشیا در یک سطح هموار است. فعالیتی که شیءای را حرکت میدهد موجب میشود این شیء مکان خود را با بردار ∆ تغییر دهد. توصیف مختصر فعالیت باید به ∆ اشاره کند؛ یعنی نباید به اشیایی که در جای خود باقی می مانند اشاره ای داشته باشند. PDDL این کار را با مشخص کردن نتیجه یک فعالیت برحسب آنچه که تغییر میکنند انجام میدهد. هر چیزی که تغییر نکند، به آن اشاره نمیشود.

 

مجموعه ای از فعالیت های پایه ای، را میتوان با یک شِمای فعالیت نشان داد. این شِما یک نمایش ارتقا یافته است، بطوریکه سطح استدلال را از منطق گزاره ای به زیر مجموعه ی محدودی از منطق مرتبه اول ارتقا میدهد.

در شِما پیش شرط و اثر هر فعالیت هر کدام ترکیب های عطفی لیترال ها، (جملات اتمیک مثبت یا نقیض) هستند. پیش شرط، حالت هایی را تعریف میکند که فعالیت ها میتوانند در آنها اجرا شوند. و اثر فعالیت، نتیجه اجرای فعالیت را تعریف میکند. فعالیت a در صورتی میتواند در فعالیت s اجرا شود که s بر پیش شرط a دلالت کند.

میگوییم فعالیت a در حالت s قابل اجرا است اگر پیش شرط های آن فعالیت توسط s برآورده شود. وقتی شمای فعالیت a حاوی متغیر است، ممکن است چندین نمونه قابل اجرا داشته باشد.اگر فعالیت a دارای v متغیر باشد، آنگاه در دامنه با k شیء با اسامی متغیر، در بدترین حالت، یافتن فعالیت های پایه ای قابل اجرا به زمان O(vk) نیاز دارد.

گاهی میخواهیم مسئله PDDL را گزاره ای کنیم، یعنی به جای هر شِمای فعالیت مجموعه ای از فعالیت های پایه ای را قرار دهیم و سپس برای یافتن جواب، از یک حل کننده گزاره ای مثل SATPLAN استفاده کنیم، اما وقتی v و k خیلی بزرگ باشند، این کار ممکن نیست.

نتیجه اجرای فعالیت a در حالت s بعنوان حالت s’ تعریف میشود که توسط مجموعه ای از fluent هایی نمایش داده میشود که با شروع از s ایجاد شدند و fluentهایی که بصورت لیترال های نقیض در آثار فعالیت ظاهر میشوند که در آثار فعالیت ظاهر میشوند، حذف میشوند، و fluent هایی اضافه میشوند که در آثار فعالیت بصورت لیترال های مثبت هستند.

مجموعه ای از شِمای فعالیت، بعنوان تعریف دامنه ی برنامه ریزی عمل میکند. مسئله خاصی در داخل این دامنه، با اضافه کردن یک حالت شروع و هدف تعریف میشود. حالت شروع، ترکیب عطفی اتم های پایه ای است. هدف، درست شبیه یک پیش شرط است: ترکیب عطفی لیترال های مثبت یا نقیض که ممکن است شامل متغیرها باشند. متغیرها همراه با سور وجودی هستند.

 

 



0
نظرات

نظر خود را ارسال کنید



نام:
ایمیل:
دیدگاه:
captcha
کد امنیتی :


advertise
برنامه ریزی کلاسیک در AIمعرفی زبان PDDLPlanning Domain Definition Languageآشنایی با زبان برنامه ریزی کلاسیکزبان برنامه ریزی PDDLمعرفی برنامه ریزی کلاسیک PDDLبرنامه ریزی کلاسیک یعنی چه؟منظور از برنامه ریزی در هوش مصنوعیPDDL چه زبانی است؟برنامه ریزی در هوش مصنوعی چیست؟آموزش برنامه ریزی کلاسیک در AIآشنایی با PDDL در هوش مصنوعی 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

پیشنهادات ویژه سورس کد

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