规划在人工智能中的作用是什么？

人工智能是未来一项重要的技术。无论是智能机器人、自动驾驶汽车还是智慧城市，它们都将利用人工智能的不同方面！！！但规划对于实现任何此类人工智能项目都非常重要。

规划是人工智能的重要组成部分，它处理特定问题的任务和领域。规划被认为是行动的逻辑方面。

我们人类所做的一切都怀有明确的目标，我们所有的行动都旨在实现我们的目标。同样，人工智能也需要规划。

例如，到达特定目的地需要规划。在规划中找到最佳路线是必要的，但在特定时间要完成的任务以及为什么完成这些任务也同样重要。

这就是为什么规划被认为是行动的逻辑方面。换句话说，规划是关于决定人工智能系统要执行的任务以及系统在独立于领域条件下的运行。

什么是计划？

对于任何规划系统，我们都需要领域描述、任务规范和目标描述。一个计划被视为一系列动作，每个动作都有其先决条件，必须在执行之前满足，并且有一些效果，可以是积极的也可以是消极的。

因此，在基本层面，我们有前向状态空间规划（FSSP）和后向状态空间规划（BSSP）。

1. 前向状态空间规划 (FSSP)

FSSP 的行为方式与前向状态空间搜索相同。它表示，给定任何领域中的初始状态 S，我们执行一些必要的动作并获得一个新状态 S'（其中也包含一些新项），称为进程。它一直持续到我们达到目标位置。在此过程中应采取行动。

• 缺点：分支因子大
• 优点：算法可靠

2. 后向状态空间规划 (BSSP)

BSSP 的行为方式与后向状态空间搜索类似。在此，我们从目标状态 g 移动到子目标 g，追溯实现该目标的先前动作。此过程称为回归（返回到先前的目标或子目标）。这些子目标也应检查一致性。在这种情况下，动作应是相关的。

• 缺点：算法不可靠（有时会发现不一致）
• 优点：分支因子小（远小于 FSSP）

因此，为了一个高效的规划系统，我们需要结合 FSSP 和 BSSP 的特性，这将产生目标栈规划，这将在下一篇文章中讨论。

人工智能中的规划是什么？

人工智能中的规划是关于机器人或计算机程序为实现特定目标而执行的决策行动。

计划的执行是关于选择一系列具有高概率完成特定任务的任务。

积木世界规划问题

• 积木世界问题被称为苏斯曼异常。
• 20 世纪 70 年代早期的非交错式规划器无法解决这个问题。因此它被认为是奇怪的。
• 当给出两个子目标 G1 和 G2 时，非交错式规划器要么为 G1 生成一个与 G2 的计划组合的计划，要么反之。
• 在积木世界问题中，三个标记为“A”、“B”和“C”的积木被允许放在一个平面上。给定条件是，一次只能移动一个积木以达到目标。

起始位置和目标位置如下图所示。

规划系统的组成部分

该计划包括以下重要步骤

• 根据最佳可用猜测，选择最佳规则以应用下一个规则。
• 应用所选规则计算新的问题条件。
• 找出何时找到解决方案。
• 检测死胡同，以便将其丢弃并引导系统努力朝更有用的方向发展。
• 找出何时找到接近完美的解决方案。

目标栈计划

• 它是 STRIPS 使用的最重要的规划算法之一。
• 算法中使用栈来捕获动作并完成目标。知识库用于保存当前情况和动作。
• 目标栈类似于搜索树中的一个节点，其中通过选择动作来创建分支。

算法的重要步骤如下所述

1. 首先将原始目标推入栈中。重复此操作直到栈为空。如果栈顶是混合目标，则将其未满足的子目标推入栈中。
2. 如果栈顶是单个未满足目标，则将其替换为动作并将动作先决条件推入栈中以满足条件。

三、如果栈顶是动作，则将其从栈中弹出，执行并用动作的效果替换知识库。

如果栈顶是令人满意的目标，则将其从栈中弹出。

非线性规划

此规划用于设置目标栈，并包含在所有可能的子目标排序的搜索空间中。它通过交错方法处理目标交互。

非线性规划的优点

非线性规划可能是关于规划长度的最佳解决方案（取决于所使用的搜索策略）。

非线性规划的缺点

它需要更大的搜索空间，因为考虑了所有可能的目标排序。

难以理解的复杂算法。

算法

1. 从目标集中选择一个目标“g”
2. 如果“g”与状态不匹配，则
   • 选择一个添加列表与目标 g 匹配的运算符“o”
   • 将“o”推入 OpStack
   • 将“o”的先决条件添加到目标集中
3. 当 OpenStack 顶部的运算符的所有先决条件在某个状态下都得到满足时
   • 从 OpStack 顶部弹出运算符 o
   • 状态 = apply(o, 状态)
   • 计划 = [计划; o]

关于规划在人工智能中作用的 MCQ

1. 确定人工智能目标和方向的行为 B. 定义人工智能未来的一个阶段 C. 定义人工智能总体目标的过程

1. 在不纠结于当前问题的局限性的情况下，得出特定问题的最佳解决方案的过程。
2. 随机进行临床决策以实现目标。
3. 考虑到限制和资产，规划实现目标的活动。
4. 复制人类活动，但无意了解其是如何完成的。

2. 以下哪些不是人工智能规划的主要要素？

1. 初始状态
2. 目标状态
3. 随机行动
4. 具体操作

3. 是什么使规划成为人工智能系统智能的一部分？

1. 它使系统对事件或情况产生不必要的和/或冲动的反应。
2. 它允许系统根据目标和约束进行决策。
3. 分析师表示，它阻碍了系统灵活使用，而这在与现有环境协调时很重要。
4. 它缺乏解决问题的能力。

4. 规划可以应用于以下哪些领域

1. 机器人技术
2. 游戏
3. 物流
4. 所有选项

5. 规划与问题解决之间的关系是人工智能研究的主要领域之一。

1. 规划与解决问题无关。
2. 规划是问题解决的一个类别。
3. 规划是问题解决中涉及的主要活动之一。
4. D：这些种类之间没有任何关系。

6. 以下列表中，人工智能规划的特征性困难是什么？

1. 确保计划始终是最佳解决方案。
2. 拥堵和信息不足或信息不对称。
3. 确保人工智能系统不犯任何错误。
4. 减少对工作的间歇性和周期性关注。

7. 比较经典规划和分层规划，您观察到哪些主要差异？

1. 经典规划适用于处理复杂目标，而分层规划关注简单目标。
2. 分层规划包括将一个庞大的计划分解为子计划，而经典规划则不。
3. 经典规划比分层规划更有效。
4. 它与之前的工作类型大多相似。

8. 机器学习以何种方式促进人工智能规划？

1. 通过规定固定模式的正确解决方案来解决人类问题。
2. 通过战略性地利用获得的经验来增强规划方法。
3. 通过彻底消除规划概念。
4. 通过使规划过程完全确定性。

9. 以下列出的不同规划算法中。

1. A* 搜索
2. 贪婪最佳优先搜索
3. 深度优先搜索
4. 遗传算法

10. 人工智能系统中的规划领域是对智能规划器所工作的特定环境或问题的描述。

1. 要解决的问题的规范。
2. 规划其中的算法。
3. 已开发计划的实施。
4. 衡量所制定计划的效果。