Jun, 2024

STRIPS 计划模型的同态和嵌入

PDF
TL;DR研究了 STRIPS 规划实例之间的同构性，引入了嵌入的概念，并研究了相关问题的复杂性，证明了第一个问题是 GI-complete 的，提出了一种构建同构的算法，并通过实验表明预处理中应用约束传播可以大大提高 SAT 求解器的效率。
strips planning instancesisomorphismembeddinggi-completeconstraint propagation
发现论文，激发创造
  • STRIPS 行动发现

    本文提出一种新算法来无监督地合成 STRIPS 动作模型，并通过多种实验表明所学习的动作模型可以泛化到未见过的规划实例。

    Jan, 2020

  • 一元算子 “Planning” 中的结构和复杂性

    本文研究一元运算符领域的因果图与规划复杂度之间的关系，表明有一个多项式时间的规划生成算法存在于这样的领域中，其中的因果图导致一个具有节点入度常数上限的有向树，而图中路径的数量与相关域中的规划复杂度密切相关。

    Jun, 2011

  • 一种用于并发计划的高层任务网络到 STRIPS 编码的高效方法

    本文利用 HTN 形式来表达分解任务子任务的广泛计划问题，并提出了一种新的能够生成并发计划的 HTN 到 STRIPS 编码，实验证明该编码在分层 IPC 基准测试上优于以往方法。

    Jun, 2022

  • 拟多项式时间下的图同构

    证明了图同构问题、在群作用下的字符串同构问题、余集交问题可以在准多项式时间内解决，利用群论中的 “局部证书” 和组合上的规范分割技术攻击了 Luks 算法的障碍配置。

    Dec, 2015

  • 关于图匹配和图同构问题的谱特性

    本文证明了对于某类图形，图匹配问题及其最常见的凸松弛问题是等价的，基于相应邻接矩阵的谱特性。此外，本文还推导了图的自同构群的结果，并提供了邻接矩阵的基本谱特性。

    Sep, 2014

  • 通过立方空间先验学习神经符号描述性规划模型：归航（到 STRIPS）

    我们提出了一种新型的神经符号结构，通过从图像中学习出稳固而高效的离散状态转移模型，兼容基于启发式搜索的现代解算器，并且通过在学习过程中加入有利的先验知识降低了学习精度，并开展其对于学习符号表现的优良特质的理论探索。

    Apr, 2020

  • 图同构，颜色精炼和紧凑性

    通过采用颜色精炼技术，结合线性规划，证明了图形同构的难题可在多项式时间内解决，该技术适用于大量的紧凑图，并且给了这一类图的识别复杂性的下界。

    Feb, 2015

  • 利用部分 STRIPS 模型扩展基于 ML 的黑盒规划技术

    本文探讨了当无完整符号化模型可用时，如何使用 STRIPS 模型来改进基于机器学习的黑盒计划。我们的研究表明，这是一种提高黑盒计划效率的有效方式，超越了收集更多数据或调整机器学习架构。

    Jul, 2022

  • 使用古典规划学习 STRIPS 动作模型

    本文提出了一种新颖的方法，该方法从示例中学习 STRIPS 行动模型，并将其编译为一个经典的规划任务。编译方法对可用输入知识的不同量具有灵活性，并且可以接受部分指定的行动模型，并且可以用于验证计划执行的观察是否遵循给定的 STRIPS 行动模型，即使该模型不是完全指定。

    Mar, 2019

  • 基于 SAT 的正则图模式匹配算法

    我们提出了一种图同构的泛化方法，通过声明式规范来检查复杂的结构属性，其中规范以一种类似于正则表达式的图形形式给出，并且通过基于 SAT 的算法来检查目标图是否匹配给定的规范，并通过对 CodeSearchNet 数据集的广泛实验评估提出了一种优化算法的预处理技术。

    Dec, 2023