一、智能规划概述
在国外，近年来成立了许多专门从事智能规划方面 研究的协会和联盟, 如欧洲智能规划网PLANET （European Network of Excellence in AI Planning）、 英国诺丁汉大学ASAP研究组（Automated Scheduling, Optimisation and Planning ）以及美国亚 利桑那州立大学Yochan研究组。 国际知名期刊Artificial Intelligence近年来发表了许 多篇智能规划方面的文章，而且呈逐年增长的趋势， 可见研究者之多、研究论文之多和研究领域之重要。
机器人每执行一动作前，都要检查该动作的前提条件是否满足。如果 满足，就执行相应的动作；否则再检查下一个动作。
二、智能规划方法---状态空间规划
2、规划求解过程：
状态1(初始状态) AT(robot, c) 开始 EMPTY(robot) =======> ON(box, a) TABLE(a) TABLE(b) 状态3 AT(robot, a) Pickup(a) HOLDS(robot,box) =========> TABLE(a) TABLE(b) 状态2 AT(robot, a) Goto(c, a) EMPTY(robot) ==========> ON(box, a) TABLE(a) TABLE(b) 状态4 AT(robot, b) Goto(a, b) HOLDS(robot,box) ==========> TABLE(a) TABLE(b)
二、智能规划方法---状态空间规划
如图所示，圆黑点代表命题结点，空白方框代表动作结点。
图规划求解过程 图规划在两个阶段(phases)交替进行：图扩展（graph expansion）和解提取(solution extraction)。 图扩展阶段正向扩展规划图，直到到达规划的目标为止。 解提取阶段反向搜索规划图，以求出规划解来。
智能规划的研究与应用
智能规划(Planning)是人工智能 研究领域近年来发展起来的一个热门 分支
主要内容
一、智能规划概述 二、智能规划方法 三、智能规划的研究与应用
一、智能规划概述
1、智能规划的发展及现状
1969年，以著名人工智能专家Nilssion为首的斯坦福研究院 人 工 智 能 研 究 组 提 出 了 智 能 规 划 系 统 STRIPS(Stanford Research Institute Problem Solver)，这是智能规划历史上具有 重要意义的研究成果。STRIPS用在智能机器人Shakey的动作 规划中，其知识表示方法及推理方法对以后的规划系统具有深 刻的影响。 近年来，智能规划在问题的描述和问题求解两方面得到了新 的突破，成为人工智能研究者普遍关心的一个重要研究领域。 由于智能规划的研究对象和研究方法的转变，极大地扩展了智 能规划的应用领域，使智能规划的理论和应用研究近年来有了 长足的进展。
二、智能规划方法---状态空间规划
该规划图从初始状态的第0层逐层扩展，直到最后命题层包 含所有目标状态dinner、present和¬garbage，且两两不互斥 时，则停止图ickup(a)、 Goto(a, b)、 Setdown(b)、 Goto(b, c)}
就是一个规划。
二、智能规划方法---图规划
图规划(Planning-graph)的主要思想 ：
规划图（planning graph） 规划图是一个具有两类节点和三类边的有向分层图。规 划图各层是命题层和动作层交替出现的。 命题层包含命题节点（用一些命题标记），动作层包含动 作节点（用一些动作标记）。规划图的第一层是命题层，包 括规划问题初始条件下的所有命题。
二、智能规划方法---状态空间规划
下面以一个经典的规划问题为例，说明规划图及图规划方法。 例如 考虑以下规划问题：给睡眠中的爱人准备一个惊喜，要求 把垃圾（garbage）带出去，做好正餐(dinner)，准备好一份礼物 (present)。 初始条件：(and (garbage) (cleanHands) (quiet)) 目标： (and (dinner) (present) (not(garbage))) 4个动作： cook ：前件(cleanHands) carry：前件( ) ：后件(dinner) ：后件(and (not (garbage)) (not (cleanHands))) wrap：前件(quiet) dolly：前件( ) ：后件(present) ：后件(and (not (garbage)) (not (quiet)))
一、智能规划概述
5、智能规划与问题求解的区别
问题求解的主要研究结果在理论上，而智能规划主要面向实 际问题。 智能规划问题的动作的前提之间有很强的依赖与冲突关系， 一个动作的使用常常使另一个动作无法执行，甚至导致最终 目标无法实现。因此，在智能规划中一个重要的问题是如何 解决操作间的冲突。 问题求解要求给出从初始状态到目标状态的动作序列，而规 划问题并不要求给出一个全序，能指出动作之间的半序关系 也可以。 在实际规划中，动作的结果并不是完全确定的，因此，需要 考虑规划的监视执行问题。
以下主要介绍状态空间规划和图规划方法
二、智能规划方法---状态空间规划
状态空间的搜索算法是最简单的经典规划算法，算法的 搜索空间是状态空间的子集，正向状态搜索的方法是规划器 从初始状态世界出发，选择所有前提在当前状态世界中都能 够得到满足的动作，添加动作的效果，从而构造出一个新的 状态世界。搜索不断的进行，直到找到一个所有目标都实现 了的状态世界为止。 例如：（机器人移盒子问题）要 求机器人从c处出发，把盒子 从a桌上拿到b桌上，然后再 回到c处，给出这样一个规划。
a
c
b
二、智能规划方法---状态空间规划
1、分别定义描述状态和动作的 谓词
（1）描述状态的谓词： TABLE(x)：x是桌子 EMPTY(y)：y手中是空的 AT(y, z)：y在z处 HOLDS(y, w)：y拿着w ON(w, x)：w在x桌面上
（2）问题的初始状态：
AT(robot, c) EMPTY(robot) ON(box, a) TABLE(a) TABLE(b)
一、智能规划概述
4、例如 (一个码头货运例子)：一个载货车(robot) r和两个
地点l1、l2，载货车可在两个地点之间移动，且能装载(load) 和卸载(unload)集装箱。初始状态载货车在l1，且为unload， 集装箱c在地点l1，目标状态是把集装箱c移到地点l2。
一个规划解为：load（l1，c，r），move（r，l1，l2）， unload（l2，c，r）
一、智能规划概述
智能规划方面的学术会议也越来越多： IJCAI （ International Joint Conference on Artificial Intelligence） AIPS （Artificial Intelligence Planning & Scheduling） ECP （European Conference on Planning） ICAPS （ International Conference on Automated Planning & Scheduling） 上述事实表明，智能规划目前已成为人工智能研究 领域的一个研究热点。
规划大赛
二、智能规划方法
经典规划主要有： 状态空间规划（state-space planning） 规划空间规划（plan-space planning） 类经典规划技术主要有： 图规划(Planning-graph)技术 可满足(Planning as Satisfiablity)技术 命题可满足（propositional satisfiability）技术 约束可满足（constraint satisfaction）技术
二、智能规划方法---状态空间规划
状态5 AT(robot, b) Setdown(b) EMPTY(robot) ==========> ON(box, b) TABLE(a) TABLE(b) 状态6(目标状态) AT(robot, c) Goto(b, c) EMPTY(robot) =========> ON(box, b) TABLE(a) TABLE(b)
一、智能规划概述
2、智能规划的主要思想
对周围环境进行认识与分析, 根据自己要 实现的目标, 对若干可供选择的动作及所提供 的资源限制施行推理, 综合制定出实现目标的 规划(Plan)。
一、智能规划概述
3、经典规划问题的形式化描述
给定规划的一般性模型Σ=(S, A, γ )，其中： S ={s1, s2,…}为状态有限集或递归可数集； A ={a1, a2,…}为动作有限集或递归可数集； γ: S ×A →2S为状态转换函数， 以及给定初始状态s0 ，目标状态Sg的子集， 求动作序列<a1, a2,…, ak > ，对应于状态转换序列(s1, s2,… , sk )，使得s1 ∈γ (s0 , a1)，s2 ∈γ (s1 , a2)，…，s0 ∈γ (sk , ak)，且sk ∈Sg，则<a1, a2,…, ak >为Σ的一个规划解。 简单地说，给出一个任务的初始状态、目标状态和所有可 行的操作，规划问题就是如何自动找到完成从初始状态到目标 状态这一任务的动作序列。
一、智能规划概述
6、经典规划与类经典规划 经典规划
经典规划满足一些假设： （1）环境状态的改变完全是由Agent的动作效果造成的，排除 了其他可能的影响和干扰。 （2）Agent的动作效果是完全确定的。 （3）Agent能够感知环境和它的动作效果。
类经典规划
经典问题，例如：
通过对经典问题假设的适当放宽，形成了类
基于时态与资源的规划 不确定规划（Planning under uncertainty）