最佳优先广义规划的并行策略
基于前向状态空间搜索的启发式搜索算法是实现FF规划系统的主要技巧，该系统因比HSP系统更具优越性能而赢得了最近AIPS-2000规划竞赛的冠军。
Jun, 2011
引入一种新的搜索框架来解决规划问题，该框架能够在解决特定规划问题时在几种前向搜索方法之间交替使用，使用可训练的随机策略来选择搜索方法，进而优化搜索策略，实验结果表明该框架优于传统的最佳优先搜索和均匀策略方法。
Oct, 2018
本文针对广义规划领域，在引入启发式搜索方法的前提下，提出首个本地启发式搜索方法，定义基于程序的解空间，以实现不同实例规划和不同实例规划大小的独立运行，同时定义 BFGP 算法进行最佳优先搜索，并由不同评估和启发式功能作为指导。
May, 2022
本文提出了基于C++程序的广义规划（GP）问题及其解法的新型表示方法，该表示方法可以正式证明广义计划的终止，并指定其相对于世界对象数量的渐近复杂度。利用C++广义计划的复杂度特征，可以应用组合搜索按照复杂度的顺序枚举可能的GP解的空间。实验结果表明，我们称之为BFGP++的该方法的实现比以往的GP作为启发式搜索方法更加优越，用于表示为编译器风格程序的广义计划的计算。最后，C++程序在传统规划实例上的执行是无冗余和无搜索的，因此我们的C++表示允许我们在数千个对象的大型测试实例上自动验证计算出的解决方案，而通用的经典规划器则会在预处理或搜索中卡住。
Jun, 2022
本研究提出了一种新的基于指针的GP解空间、评估和启发式函数，以及BFGP算法，为了实现GP的启发式搜索，避免了提前grounding state或action所带来的问题，能有效处理大型状态变量集合和大量数值域的情况。
Jan, 2023
介绍了基于规划程序的行动新颖性排名概念以及新颖性优化的 GP 算法，采用基于最佳优先搜索 BFS（v） 和其渐进变体 PGP（v）的方法，引入来自行动方案的提高可行性行动，并提出了新的评估函数和结构化程序限制，以扩展搜索范围。经实验证明，新算法 BFS（v）和 PGP（v）在标准通用计划基准测试中优于现有算法。
Jul, 2023
在线规划器选择是选择给定规划问题的预定义求解器之一的任务。本研究通过深入研究所选择GNN模型、图表示和节点特征以及预测任务等方面的影响，提出使用GNN获得的图表示作为XGBoost模型的输入，以实现更具资源效率且准确的方法，展示了多种基于GNN的在线规划器选择方法的有效性，为在线规划器选择的新研究方向打开了新的令人兴奋的可能性。
Jan, 2024
本研究解决了当前最先进规划求解器与广义规划之间的性能差距。文章提出了一种将并行搜索技术应用于最佳优先广义规划（BFGP）的方法，强调了BFGP在并行化方面的优势及其与经典规划器的区别。研究结果表明，所提的并行策略在核心数增加时具有良好的扩展性，能够显著提升广义规划的效率。
Jul, 2024