• français
    • English
  • English 
    • français
    • English
  • Login
JavaScript is disabled for your browser. Some features of this site may not work without it.
BIRD Home

Browse

This CollectionBy Issue DateAuthorsTitlesSubjectsJournals BIRDResearch centres & CollectionsBy Issue DateAuthorsTitlesSubjectsJournals

My Account

Login

Statistics

View Usage Statistics

Génération de plans à base de connaissances

Thumbnail
Date
2015
Dewey
Intelligence artificielle
Sujet
KBP
Conference name
10èmes Journées Francophones sur la Planification, la Décision et l'Apprentissage (JFPDA 2015)
Conference date
07-2015
Conference city
Rennes
Conference country
France
URI
https://basepub.dauphine.fr/handle/123456789/20831
Collections
  • LAMSADE : Publications
Metadata
Show full item record
Author
Wilczynski, Anaëlle
989 Laboratoire d'analyse et modélisation de systèmes pour l'aide à la décision [LAMSADE]
Zanuttini, Bruno
Lang, Jérôme
989 Laboratoire d'analyse et modélisation de systèmes pour l'aide à la décision [LAMSADE]
Type
Communication / Conférence
Abstract (EN)
Les Knowledge-Based Programs (KBPs) associent representation des connaissances et pla-nification. Il s'agit de protocoles decrivant les actions a effectuer par un agent, en fonction de son etat de connaissance, afin d'atteindre un but donne. Ces plans possedent une grande expressivite, grâce a l'uti-lisation de la logique modale S5, et une plus grande compacite que les plans classiques. La question de la generation de tels plans n'a ete que peu etudiee. Notre objectif est de combler ce manque. Nous pro-posons des algorithmes permettant de generer des KBPs a partir de la specification d'un etat initial, d'un but et d'un ensemble d'actions disponibles. Deux types d'algorithmes sont presentes, par progression, c'est-a-dire en partant de l'etat initial pour aller vers le but, et par regression, en partant cette fois-ci du but. Dans les deux cas, un algorithme de recherche en largeur est decrit, ayant la propriete de fournir un plan optimal en nombre d'actions a effectuer dans le pire cas. De meme, nous exposons dans les deux cas des algorithmes de recherche en profondeur, dans lesquels une action est choisie pour chaque etat de connaissance, par le biais de differentes fonctions heuristiques dont nous montrons certaines proprietes. Nous proposons egalement des benchmarks adaptes, pour lesquels la planification classique est moins precise, et testons nos algorithmes sur ces problemes.

  • Accueil Bibliothèque
  • Site de l'Université Paris-Dauphine
  • Contact
SCD Paris Dauphine - Place du Maréchal de Lattre de Tassigny 75775 Paris Cedex 16

 Content on this site is licensed under a Creative Commons 2.0 France (CC BY-NC-ND 2.0) license.