一种更通用的基于第一性原理的诊断理论
人工智能
2023-09-29 v1
摘要
基于模型的诊断在包括人工智能、形式化方法和控制在内的不同领域中一直是一个活跃的研究课题。这导致了一系列针对不同类别系统并寻求不同诊断形式的不同方法。在本文中，我们通过将 Reiter 的理论推广为对考虑的系统类型和诊断类型不可知，从而解决了这些差异。这种更通用的基于第一性原理的诊断理论将最小诊断定义为假设搜索空间中的首选诊断候选集合。计算最小诊断是通过探索诊断假设空间、测试假设集合与系统模型和观测的一致性，以及生成排除后继节点和搜索空间其他部分的冲突来实现的。在相对温和的假设下，我们的算法正确地计算出首选诊断候选集合。这里的主要困难在于搜索空间不再是像 Reiter 理论中那样的幂集，并且因此许多隐含性质（例如搜索空间的有限性）不再成立。冲突的概念也需要被推广，我们提出了这样一种更通用的概念。我们给出了这些算法的两种实现，分别基于可满足性和启发式搜索的测试求解器，并在两个真实世界离散事件问题的实例上进行了评估。尽管我们的理论具有更高的通用性，这些实现超越了为离散事件系统设计的专用算法，并能够求解现有诊断方法无法处理的实例。
引用
@article{arxiv.2309.16180,
title = {A More General Theory of Diagnosis from First Principles},
author = {Alban Grastien and Patrik Haslum and Sylvie Thiébaux},
journal= {arXiv preprint arXiv:2309.16180},
year = {2023}
}