基于解釋圖剪枝算法的概率規(guī)劃識別系統(tǒng)的研究及實現(xiàn).pdf

1、規(guī)劃識別是指規(guī)劃識別器根據觀察到的智能體(一個或多個)的片斷的、瑣碎的動作，推測出在一定程度上具有合理因果關系的智能體將要執(zhí)行的動作和欲實現(xiàn)的目標，即推導出智能體正在執(zhí)行的規(guī)劃。但是，通常無二義性地確定一個規(guī)劃假設是很困難的，因為在許多領域，或者一個動作服務于多個目標，或者被識別域中存在多規(guī)劃甚至是多智能體多規(guī)劃并行執(zhí)行，而且，其中的許多領域僅僅是部分可觀察的等等。這些問題的存在限制了許多規(guī)劃識別方法的應用。比如，沒有狀態(tài)轉移概率模型的

2、復雜領域的大規(guī)模特性使得抽象馬爾可夫模型的應用變得困難；基于概率語法的方法無法處理多規(guī)劃交替并行實現(xiàn)的問題；采用語法分析的方法，雖然搜尋速度快，但無法處理時序約束等等。Goldman和Geib于1999年提出了一種新的基于規(guī)劃執(zhí)行的規(guī)劃識別模型，之后又于2005年加以完善，其方法不僅可以識別偏序規(guī)劃及多規(guī)劃交替執(zhí)行，還可以處理域的部分可觀察問題。但是，隨著考慮的未觀察動作在整個規(guī)劃假設中所占比例的增加，其效率將明顯下降。 在本文

3、中，我們提出了一種新的規(guī)劃識別方法-基于解釋圖剪枝技術的規(guī)劃識別算法，該算法在給出新的軟時序約束和硬時序約束的概念的基礎上，以高效的圖搜索為基礎，以解釋圖的剪枝技術為核心，利用本文中定義的兩種時序約束來推測未觀察動作，擴展解釋圖，并利用軟時序約束對當前解釋圖進行剪枝，以精確目標假設集合，然后計算各目標假設的概率，并以之對目標假設進行分級與選擇，最后對所選目標假設子樹進行擴展，即可得到完整的規(guī)劃假設。同時，本文還引入了支持程度的概念，以使

4、規(guī)劃識別可以隨著收集到越來越多的證據而合理地改變。該算法不僅可以有效處理域的部分可觀察問題和偏序規(guī)劃及多規(guī)劃交替執(zhí)行等問題，還可以排除智能體的誤導動作，這將在網絡安全及入侵檢測等許多領域都有廣闊的應用前景。 在給出算法的基礎上，本文采用C++語言對該算法進行了實現(xiàn)，設計了基于解釋圖剪枝技術的概率規(guī)劃識別系統(tǒng)EGPPR，并用實例對其性能加以測試，結果表明，該系統(tǒng)完全可以達到理論預期效果，即不僅可以識別出智能體的目標和已經發(fā)生卻未被