1、智能規(guī)劃是人工智能研究領域近年來發(fā)展起來的一個熱門分支,由于其廣泛的實用性,受到研究者的高度重視.尤其是具有不完全信息和不確定信息的規(guī)劃問題已經(jīng)成為智能規(guī)劃中的研究重點.在各種研究方法中,由于概率方法能較準確地對不確定信息定量描述,因此研究動作具有概率輸出的概率規(guī)劃方法體現(xiàn)了較強的優(yōu)越性,這個方法得到了研究者的肯定,并在此基礎上產(chǎn)生了大量的算法.又由于這種概率規(guī)劃的研究方法和馬爾可夫決策過程(Markov decision proces

2、ses,MDPs)的研究方法相似,所以很多研究人員在兩者之間的結(jié)合上做了大量的工作.在今年舉行的IPC-4(2004 International Planning Competition),第一次把概率域列入了競賽的項目,再一次表明了概率規(guī)劃在智能規(guī)劃研究領域中的重要地位.該文首先從表示方法、規(guī)劃類型、復雜度、規(guī)劃語言等幾方面分析了概率規(guī)劃的研究現(xiàn)狀,概括了研究概率規(guī)劃的相關理論和相關技術,揭示了概率規(guī)劃和MDPs之間的關系,并把決策理

3、論應用到概率規(guī)劃中,定義了效用模型下的概率規(guī)劃,提出了相應的算法DPG(Decision Probabilistic Graphplan).DPG算法建立在具有迅速傳播能力的概率規(guī)劃圖(Probabilistic Graphplan)上,結(jié)合動態(tài)編程(Dynamic Programming),用前向搜索的方法來求最優(yōu)規(guī)劃解.我們用C語言實現(xiàn)了這個算法,并證明出,在有限時間步內(nèi),這是一個多項式級復雜度的算法.通過實驗結(jié)果,我們闡明了效用模