广义规划中可靠抽象的保证（扩展论文）
人工智能
2019-06-03 v2 计算机科学中的逻辑
摘要
广义规划旨在寻找解决规划实例集合（常为无限集合）而非单个实例的计划。近期已有工作展示如何将广义规划的规划问题归约为定性数值问题的规划问题；后者是一种同时刻画集合中全部实例的重构形式。因此一个重要研究方向是自动寻找此类重构或抽象。近期一项提案从集合中实例的有限小样本转移中归纳学习抽象。然而，如所有归纳过程，所学抽象不能保证对整个集合正确。本工作通过对抽象相对于集合进行分析来解决此局限，并展示如何获得泛化的形式化保证。这些以保证一阶公式形式的保证可用于 1) 定义抽象被保证可靠的实例子集合，2) 在特定假设下获得泛化的必要条件，以及 3) 进行规划问题复杂不变量的自动综合。我们的框架具通用性，可扩展或与其他方法结合，且应用超越广义规划。
引用
@article{arxiv.1905.12071,
title = {Guarantees for Sound Abstractions for Generalized Planning (Extended Paper)},
author = {Blai Bonet and Raquel Fuentetaja and Yolanda E-Martin and Daniel Borrajo},
journal= {arXiv preprint arXiv:1905.12071},
year = {2019}
}
备注
This paper extends IJCAI-19 paper with an appendix