• 디지털산업정보학회논문지
• /
• 제17권3호
• /
• pp.27-37
• /
• 2021

Highly informative heuristics in AI planning can help to a more efficient search a solutions. However, in general, to obtain informative heuristics from planning problem specifications requires a lot of computational effort. To address this problem, we propose a Partial Planning Graph(PPG) and Mixed Heuristics for solving planning problems more efficiently. The PPG is an improved graph to be applied to can find a partial heuristic value for each goal condition from the relaxed planning graph which is a means to get heuristics to solve planning problems. Mixed Heuristics using PPG requires size of each graph is relatively small and less computational effort as a partial plan generated for each goal condition compared to the existing planning graph. Mixed Heuristics using PPG can find partial interactions for each goal conditions in an effective way, then consider them in order to estimate the goal state heuristics. Therefore Mixed Heuristics can not only find interactions for each goal conditions more less computational effort, but also have high accuracy of heuristics than the existing max and additive heuristics. In this paper, we present the PPG and the algorithm for computing Mixed Heuristics, and then explain analysis to accuracy and the efficiency of the Mixed Heuristics.

• 디지털산업정보학회논문지
• /
• 제13권2호
• /
• pp.27-34
• /
• 2017

Highly informative admissible heuristics can help to conduct more efficient search for optimal solutions. However, in general, more informative ones of heuristics from planning problems requires lots of computational effort. To address this problem, we propose an Delete Relaxation based Action Costs-based Planning Graph(ACPG) and Action Costs-based Heuristics for solving optimal planning problems more efficiently. The ACPG is an extended one to be applied to can find action costs between subgoal & goal conditions from the Relaxed Planning Graph(RPG) which is a common means to get heuristics for solving the planning problems, Action Costs-based Heuristics utilizing ACPG can find action costs difference between subgoal & goal conditions in an effective way, and then consider them to estimate the goal distance. In this paper, we present the heuristics algorithm to compute Action Costs-based Heuristics, and then explain experimental analysis to investigate the efficiency and the accuracy of the Action Costs-based Heuristics.

• 정보처리학회논문지B
• /
• 제18B권1호
• /
• pp.29-38
• /
• 2011

계획 문제 명세로부터 영역-독립적인 휴리스틱을 유도해내기 위해서는 주어진 계획문제에 대한 간략화와 간략화된 계획문제에 대한 해 도출 과정이 요구된다. 본 논문에서는 초기 상태의 불확실성과 비결정적 동작 효과를 모두 포함한 조건부 계획문제를 풀기 위한 새로운 융합 계획그래프와 이것을 이용한 GD 휴리스틱 계산법을 소개한다. 융합 계획그래프는 고전적 계획 문제 풀이를 위한 휴리스틱 계산에 이용되는 간략화된 계획그래프를 조건부 계획문제에 적용할 수 있도록 확장한 자료구조이다. 융합 계획그래프에서는 감지 동작과 비결정적 동작들을 포함한 조건부 계획 문제에 대한 휴리스틱을 얻기 위해, 전통적인 삭제 간략화외에도 감지 동작과 비결정적 동작들에 대한 효과-융합 간략화를 추가로 이용한다. 융합 계획 그래프의 전향 확장과 병행적으로 진행되는 GD 휴리스틱 계산에서는 목표조건들 간의 상호 의존성을 분석하여 전체 목표 집합에 대한 최소 도달비용을 추정할 때 불필요한 중복성을 배제한다. 따라서 GD 휴리스틱은 기존의 겹침 휴리스틱보다 더 적은 계산시간 을 요구하면서도, 최대 휴리스틱이나 합산 휴리스틱보다 더 높은 정보력을 가진다는 장점이 있다. 본 논문에서는 GD 휴리스틱의 정확성과 탐색 효율성을 확인하기 위한 실험적 분석에 대해 설명한다.

• 한국산학기술학회논문지
• /
• 제16권9호
• /
• pp.6290-6296
• /
• 2015

정보력이 높은 휴리스틱들은 해 계획을 찾기 위한 탐색을 보다 효율적으로 유도할 수 있다. 하지만 일반적으로, 계획 문제 명세로부터 이러한 정보력이 높은 휴리스틱을 추출하는 것은 매우 많은 계산 노력을 요구한다. 이러한 문제점들에 효과적으로 대처하기 위해서, 본 논문에서는 계획문제로부터 계획 수립을 보다 효율적으로 풀 수 있는 상태-동작 기반 계획 그래프와 동작-기반 휴리스틱을 제안한다. 상태-동작 기반 계획그래프는 계획문제 풀이를 위한 휴리스틱 계산에 이용되는 간략화된 계획그래프를 부속 목표와 목표조건들 간의 상호작용을 찾는데 적용할 수 있도록 확장한 자료구조로써, 상태-동작 기반 계획그래프를 이용하는 동작 기반 휴리스틱은 보다 효과적인 방법으로 부속 목표와 목표조건들 간의 상호작용을 찾아내고, 이들을 목표 도달 거리 계산에 이용한다. 따라서 동작-기반 휴리스틱은 종래의 최대 휴리스틱, 합산 휴리스틱 보다 더 높은 정보력을 가지며 겹침 휴리스틱보다 더 적은 계산 노력을 통해 동일한 결과를 얻을 수 있다. 본 논문에서는 동작-기반 휴리스틱을 계산하는 알고리즘을 제시하고, 동작-기반 휴리스틱의 정확성과 효율성을 알아보기 위한 실험적 분석에 대해 설명한다.

• 정보처리학회논문지B
• /
• 제15B권2호
• /
• pp.159-170
• /
• 2008

최근 들어 로봇 작업 계획기에 요구되는 중요한 기능 중의 하나가 이미 존재하는 컴포넌트 서비스들을 결합하여 새로운 서비스로 조합해낼 수 있는 계획 기능이다. 본 논문에서는 이러한 컴포넌트 서비스 조합을 위한 커널모듈로 개발된 휴리스틱 탐색 계획기인 JPLAN의 설계와 구현에 대해 설명한다. JPLAN은 효율적인 상태 공간 탐색을 위해 지역 탐색 알고리즘과 계획 그래프 휴리스틱을 이용한다. 본 논문에서 제안하는 지역 탐색 알고리즘인 EHC+는 FF 등의 상태 공간 계획기에 적용되어 높은 효율성을 보인 Enforced Hill-Climbing (EHC)을 확장한 것이다. EHC+는 EHC에 비해 소량의 추가적인 지역 탐색을 필요로 하지만 목표 상태까지 전체 탐색 양을 줄일 수 있고 더 짧은 계획을 얻을 수있다. 또한 본 본문에서는 대규모 상태 공간 탐색에 필수적인 효과적인 휴리스틱 추출 방법을 제안한다. 본 논문에서 제안하는 휴리스틱 추출방법은 Graphplan에서 계획 생성을 위해 처음 제안된 계획 그래프를 이용한다. 본 논문에서는 이러한 계획 그래프 기반의 다양한 휴리스틱들을 소개하고, 이들이 계획 생성에 미치는 효과를 실험을 통해 분석해본다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2010년도 한국컴퓨터종합학술대회논문집 Vol.37 No.1(A)
• /
• pp.140-141
• /
• 2010

• Industrial Engineering and Management Systems
• /
• 제7권2호
• /
• pp.84-92
• /
• 2008

Scheduling is one of the most important issues in the planning and operation of production systems. This paper investigates a general job shop scheduling problem with reentrant work flows and sequence dependent setup times. The disjunctive graph representation is used to capture the interactions between machines in job shop. Based on this representation, four two-phase heuristic procedures are proposed to obtain near optimal solutions for this problem. The obtained solutions in the first phase are substantially improved by reversing the direction of some critical disjunctive arcs of the graph in the second phase. A comparative study is conducted to examine the performance of these proposed algorithms.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2006년도 가을 학술발표논문집 Vol.33 No.2 (B)
• /
• pp.264-268
• /
• 2006

Graphplan 계획기에서 유래된 계획 그래프는 탐색에 매우 유용한 휴우리스틱을 손쉽게 얻을 수 있는 수단이다. 본 논문에서는 전향 상태 공간 계획방식을 정의한 뒤, 이 계획방식에 적용 가능한 계획 그래프 기반의 휴우리스틱 계산법들을 소개한다. 또 본 논문에서는 각 휴우리스틱 계산법이 갖는 특징을 정리하고 이들이 계획생성에 미치는 효과를 실험을 통해 비교, 분석해본다. 또한 이러한 전향 상태 공간 탐색 알고리즘과 휴우리스틱 계산법을 토대로 본 연구에서는 전향 상태 공간 계획기인 JPLAN을 구현하였고 그 구조에 대해 설명한다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2011년도 한국컴퓨터종합학술대회논문집 Vol.38 No.1(A)
• /
• pp.294-297
• /
• 2011

주어진 계획 문제로부터 휴리스틱을 이용하여 최적의 해 계획을 구하기 위해서는 허용 가능한 휴리스틱을 이용하여야 한다. 이러한 허용 가능한 휴리스틱은 실제 목표 도달거리보다 짧거나 같아야 하는데 휴리스틱 평가치가 실제 목표 도달거리에 가까울수록 계획생성을 위한 탐색 효율성이 높아진다. 하지만, 이러한 허용 가능한 휴리스틱 평가치를 구하는 과정은 매우 복잡하며 계산량이 많기 때문에 실제 계획 생성 과정에서 사용하기는 어렵다. 때문에 최대 휴리스틱과 같은 허용성을 만족하는 간단한 휴리스틱을 이용하고 있으며, 이로 인해 최적의 계획 결과를 얻을 수는 있지만, 탐색의 효율성이 떨어지는 결과를 가져오고 있다. 본 논문에서는 이러한 문제를 해결하기 위해서 기존의 계획그래프를 개선한 새로운 계획그래프인 확장된 계획그래프(EPG)를 이용한 MAX+ 휴리스틱 계산법을 소개한다. 확장된 계획그래프는 계획 문제 풀이를 위한 휴리스틱 계산에 이용되는 기존의 간략화된 계획그래프를 목표조건들 간의 상호작용을 확인 할 수 있도록 확장한 자료구조로써 목표조건들 간의 긍정적/부정적 상호작용을 찾는다. 이를 위해서 모든 목표조건들이 등장할 때까지 그래프를 전개하는 기본 전개 과정과 함께, 이 과정에서 발견된 동작과 목표 조건들과의 관계를 바탕으로 한 추가 전개 과정으로 이루어져 있다. 그리고 이 과정을 통해서 목표조건들간의 상호작용과 최단 거리를 구하게 된다. MAX+ 휴리스틱 계산에서는 이러한 목표조건들 간의 긍정적/부정적 상호작용의 존재 유무를 찾아내게 됨으로써 전체 목표 집합에 대한 보다 정확한 최소 도달거리에 대한 평가치를 찾게 된다. 따라서 MAX+ 휴리스틱은 기존의 최대 휴리스틱 보다 더 정보력 높은 휴리스틱을 구할 수 있는 장점이 있다. 본 논문에서는 MAX+ 휴리스틱의 계산 과정과 MAX+ 휴리스틱의 정확성과 이를 바탕으로 한 탐색 효율성을 확인하기 위한 실험적 분석에 대해 설명한다.