用定理证明器构建条件计划
文章介绍一种基于 Answer Set Programming (ASP) 的不完整信息规划的通用方法,提出使用量化 Answer Set Programming (QASP) 来解决符合和条件型规划问题,并介绍了一款基于翻译的 QASP 求解器用于将量化逻辑程序转换为量化布尔公式 (QBF) 进而求解。
Aug, 2021
通过干预模拟程序的概念分析条件推理,我们将其扩展到概率仿真模型的情况,定义了条件语言中的概率并证明了其基本结果。同时,我们在该设置中发现了关于概率的线性不等式推理的公理化方法。我们证明了该逻辑的可满足性问题的正确性、完备性和 NP - 完全性。
Jul, 2018
本论文介绍了一种名为 “编译方案” 的概念,并使用这种概念分析了一大类命题规划命题形式的表达能力,结果确认了 GRAPHPLAN 算法中有关条件效应的扩展是优化的,同时发现允许在先决条件和效果条件中使用一般命题公式会给生成计划带来额外的 Schwierigkeit。
Jun, 2011
本研究介绍了一种利用启发式算法解决定理证明和计划制定问题的方法,并将其应用于 situation calculus 中。该方法通过使用 A * 搜索算法排列一系列情境,并利用删除松弛法控制启发式规划器,获得较短的计划方案,并探索较少的状态。实验表明,该方法可以应用于较大规模的问题。
Mar, 2023
研究了具有平面和命题表示的概率规划领域中测试和寻找小规划的计算复杂性,发现问题的复杂性分别属于 PL,P,NP,co-NP,PP,NP^PP,co-NP^PP 和 PSPACE,提出了一个新的基本 NP^PP 完全问题 E-MAJSAT,表明 E-MAJSAT 问题的启发式算法的开发对于广泛问题的高效算法很重要。
Aug, 1998
本文通过介绍一个基于干预模拟程序的条件推理方法来形式化和涵盖 AI 领域内一些条件思维方法,提出了若干公理化结果,并确立了该满足性问题的 NP 完备性,与现有框架(正常性排序模型,因果结构方程模型)进行比较。 一些基本的逻辑原理在我们的因果模拟方法中被证明是无效的。 尽管如此,作者认为该方法对于建模某些直观的例子是很重要的。
May, 2018
该论文提出了一种将概率论和第一阶逻辑相结合的方法,在有限域内具有 Herbrand 解释的情况下,定义了概率证明定理及其推广问题,然后提出了能够同时拥有图模型推理和一阶定理证明的完整能力的方法,并开发了一种高效算法。实验表明,当逻辑结构存在时,该算法远优于目前已有的方法。
Feb, 2012
本文提出了基于范畴论概念的 C - 集合和双推出重写 (DPO) 的计划表示的一种替代方法,其可以有效处理支持所有层次域抽象的关于世界状态的结构化知识,提供了使用知识图谱和关系型数据库对世界状态和计划更新建模的形式语义,相较于经典规划表示,在处理隐含前提和效果上具有优越性,提供了一种更有结构的框架来建模和解决规划问题。
May, 2023