增量式動態(tài)概率規(guī)劃的研究.pdf

1、無論是因為對人工智能理論研究的貢獻，還是因為實際的應用前景，作為人工智能的一個重要分支，智能規(guī)劃的研究價值不可小覷，近年來研究成果頗多，成績斐然。為了讓智能規(guī)劃能處理更為實際及復雜的問題，當前很多研究人員熱衷于不確定規(guī)劃的研究，比如說概率規(guī)劃。 其中，很多概率規(guī)劃系統(tǒng)研究最短路徑問題，然而當環(huán)境發(fā)生變化時，原來的規(guī)劃結果將不再適用或不是足夠好，許多系統(tǒng)不得不重新進行規(guī)劃。當然，環(huán)境的變化通常是漸變的，重新規(guī)劃時處理的往往是相似的

2、規(guī)劃問題，所以多次的重規(guī)劃中，存在大量的重復規(guī)劃和搜索過程，如果完全重新獨立規(guī)劃，規(guī)劃系統(tǒng)的效率是低下的，在某些領域甚至是不可容忍的。如何記住已經(jīng)進行過的可以復用的規(guī)劃成果，在時間和空間尋求一個均衡點，就是增量式規(guī)劃的任務。盡管目前對增量式規(guī)劃已經(jīng)有了若干研究，但并不廣泛。 本文將隨機概率規(guī)劃問題轉(zhuǎn)為馬爾可夫決策過程(MDP)模型來研究，同時結合了啟發(fā)式搜索的算法，用啟發(fā)值的迭代計算來解決最短路徑規(guī)劃問題，在這基礎上，研究其中規(guī)

3、劃過程的特點和規(guī)律，當環(huán)境不斷變化時，我們用增量式規(guī)劃的方法來重規(guī)劃，重復利用了前面規(guī)劃的成果，減小了再次狀態(tài)空間擴展時的規(guī)模，更加快速的進行啟發(fā)值的迭代計算，提高整個規(guī)劃過程的效率。 本文主要的工作有：提出了增量式動態(tài)概率規(guī)劃的模型和定義，設計了增量式動態(tài)概率規(guī)劃的狀態(tài)空間生成算法、增量式動態(tài)概率規(guī)劃啟發(fā)值的迭代算法及增量式動態(tài)概率規(guī)劃的算法。 同時，本文用C++語言編寫代碼，在Linux系統(tǒng)環(huán)境下開發(fā)了賽車問題域的增