论文部分内容阅读
规划识别是人工智能领域近年来发展起来的一个重要分支。规划识别是指根据观察到的智能体的片断的、琐碎的动作来推断智能体的目标及它的规划,从而预测智能体未来的动作序列。一个规划识别器推出的规划不仅能补充一些我们未观察到而又实际发生的现象,还可以预测未来──合理地推出智能体未来可能采取的动作。规划识别在很多领域具有广泛的应用,因此研究高效的规划识别算法有着重要的意义。本文提出了基于规划知识图的概率规划识别算法(KGPPR),使得对规划识别的解释更加合理。在规划知识图的基础上,用分解和抽象两种关系来表示规划问题,分析了规划知识图算法所存在的不足,对事件间的整体与部分及抽象与具体的关系进行了新的规定,并利用支持程度对事件(规划)出现的可能性进行规定,给出计算规划出现概率的方法和解图的算法描述,并进行相关算法的设计。KGPPR方法在结构表述上比较简单,采用与或节点的方法表示事件(规划)间的抽象和具体、整体和部分的关系,并加入时序约束和概率信息,使得到的解图能够更好的解释观察到的现象。在进行规划识别的过程中,充分利用时序约束信息和事件(规划)间的关系来推测智能体的动作,在计算规划出现的概率值的同时进行解图的扩展,生成解图,减少了冗余节点的生成,同时,生成的规划就是最终的规划解,而不需要再进行最小规划集的选取,提高了效率。文中提出的算法可以处理偏序规划和部分可观察环境下的规划等问题,这在网络安全及入侵检测等许多领域有着广阔的应用前景。本文在给出算法的基础上,采用C++语言对算法进行了实现,设计了KGPPR规划识别系统,并对系统进行了验证。实验证明该系统可以达到理论预期的效果,能够快速有效地识别智能体的目标、各目标发生的可能性及其可能采取的操作。