本文提出了一种基于图分类的方法，用于自动确定是使用整体式还是分解式的解决方案方法；通过适当的特征集，将优化问题表示为捕捉问题的变量和约束之间的结构和功能耦合的图；构建图分类器以确定给定问题的最佳解决方法；以解决分析凸混合整数非线性规划问题时使用分支定界法还是外逼近算法为例展示了所提出方法的应用；最后，展示了学习到的分类器如何并入现有的混合整数优化求解器中。

Oct, 2023

本文旨在将人工智能技术与产品设计领域相结合。首先提出设计问题的四个特性，即可分解性、相互依存性、创新和创造力，并提供了概念的定义。早期的设计范例证明了这些特性与人工智能解决方案的对应关系，同时指出了当前人工智能中在产品设计中存在的创造力匮乏问题。

Jan, 2022

该研究提出了一种基于因果优先视角的功能分解表示方法来解决初学者构建功能分解树遇到的问题，并开发了一种程序，自动转换因果优先分解树的特征，以展示材料信息学中专家知识的系统表示及其有用性。

Apr, 2022

本篇论文介绍和综合了基于马尔可夫决策过程相关的方法，显示它们为建立 AI 中研究的许多类计划问题提供了一个统一的框架，并概述了用于易于构建策略或计划的计算工具的几种类型的表示和算法。

May, 2011

提出了一种规范性的任务分解框架，发现人类的任务分解行为更符合这个框架且最符合一个被证明是合理的启发式 —— 介数中心性。

Nov, 2022

通过机器学习方法学习大规模优化问题的分解式解决方法，从而在计算时间上实现最优初始化，进而用于解决混合整数模型预测控制问题，结果表明该方法能显著减少解决时间并减少所需数据。

Oct, 2023

通过在空间和时间尺度上进行分层推理，我们提出使用多个专家基础模型联合解决长期目标任务的分层规划模型，通过语言、视觉和动作数据的训练，构建符号化的计划，并通过视觉 - 动作控制将计划转化为执行动作，以实现在新环境中做出有效决策。

Sep, 2023

本论文提出一种基于概念依赖的通用框架，强调所涉及的表征必须是显式认知和概念性的，并且必须包含涉及事件和过程的因果特征，并使用完全基于参考的概念结构。论文还介绍了一种描述性表征语言，并描述了许多其使用示例。

Jun, 2022

基于先前使用预训练的基础模型和微调选项的工作，本研究讨论了从零开始创建全面的基础模型以解决规划类任务的需求，并探讨了其设计考虑因素。我们认为这样的基础模型将为问题解决提供新的高效途径，就像 LLMs 正在为 APS 领域创造的一样。

Apr, 2024

本文介绍了一种认知体系结构，其基于五个已确定的大脑活动原则，以三个子系统的实现为基础：逻辑概率推理、概率形式概念和功能系统理论。建立体系结构需要实现任务驱动方法，以允许将应用程序的目标函数定义为在应用本体中表达的任务，因此我们提供了一组基本本体用于一些实用应用程序以及基于该本体的主题域本体，并描述了提议的架构，并给出了这些应用程序在该架构中执行的可能示例。

Apr, 2022