Inference stavových invariantů pro doménově nezávislé plánování

Abstract

Stavové invarianty vzájemného vyloučení (mutexy) jsou v kontextu STRIPS plánování definovány jako množiny faktů, z nichž maximálně jeden může být platný v jakémkoli dosažitelném stavu. V této práci představíme dva nové typy mutexů společně s detailním popisem jejich struktury a vztahu k obecným mutexům. Dále poskytneme analýzu složitosti rozhodovacích problémů, které odpovídají problému odvozování různých typů mutexů. Nakonec popíšeme tři nové algoritmy pro odvozování mutexů a porovnáme je s dvěma různými state-of-the-art algoritmy.

The mutual exclusion (mutex) state invariants are defined in a context of STRIPS planning as sets of facts from which maximally one can be true in any state reachable from the initial state. In this work, we introduce two new types of mutex invariants along with a detailed description of their structure and their relation to a general mutex invariant. Moreover, we provide a complexity analysis of decision problems that correspond to inference of different types of mutex invariants. Finally, three novel algorithms for inference of mutex invariants are described and experimentally compared with two different state-of-the-art algorithms.