试议统筹基于统筹法规划识别技术

论文导读：kepastadish是从底层事件Boilwater开始，按S的次序逐层完成，靠近目标。图中的虚线箭头表示其连接的事件在时间上有着严格的先后关系。2.3统筹规划识别基本思想在姜云飞的规划知识图中提出一种通过计算事件的发生在现实生活中的可能性来进行候选规划，因为现实中相关事件的发生其概率的确是不同的，这也就有了所谓的
摘要：通常快速地确定一个Agent的规划是很困难的，Agent的不同行为之间由于时态关系的不同而将导致的结果也是复杂多变的。这里提出一种新的基于统筹法的规划识别方法，引入时态关系，结合统筹法思想中对事件发生次序的优化安排原则，对锁眼型规划识别中的目标Agent的行为进行规划预测，并及时对预测空间状态进行调整，从而达到快速规划的目的。在这种识别方法的实现过程中给合本体技术，构建了一种关系模型，将时态与事件相结合，最后通过算法对其识别过程进行描述。
关键词：规划识别统筹法本体
1007-9416（2012）09-0091-02
1、引言
规划识别是根据观察到的片段、琐碎的现象，推出具有合理的因果联系的、完整而全面的规划描述的过程。一个规划识别器推出的规划既能补充一些我们未能观察到而又实际发生的现象，同时还可以预测未来——合理地推出Agent未来可能采取的动作。随着科学的发展，规划识别技术的应用也愈加广泛。如在自然语言理解、知识推理、情景演算、安全防范、协同通信[1～2]等技术中的应用。
通常无二义性地确定一个Agent的规划是很困难的，由于存在着种种规摘自：毕业论文www.7ctime.com
划识别问题求解上的困难，很多研究人员提出了各种各样的解决办法，有基于Bayesian概率理论的规划识别[3，4]、有采用语法分析的方法分析规划描述[5]、更有基于限定理论的规划识别[6]。其中采用Bayesian网络的方法在自然语言理解中有其天然的优势，但这种方法由于其形式的特殊性，因而在大多数场合并不适合。另外，采用语法分析的方法虽然有其搜寻速度快的优点，但是它不可能像Kautz的方法具有很强的表达能力，如它无法表示和处理Agent可能附带的时序及其他约束。
传统的规划识别方法大多只考虑一个或几个事件的发生与所能导致的结果之间的某种概率的关系，而忽略了这些事件之间的时态关系。这种时态关系与所能导致的结果之间也有着密切的关系。本文提出一种新的规划识别技术，综合考虑多个事件之间的时态关系，并结合统筹法思想，对Agent的行为进行规划预测，借助于时态关系，这种规划识别方法能在识别过程中不断地对规划状态进行调整，并及时排除不可能的规划，从而快速有效地得出结论。

2、统筹规划识别

2.1 统筹法基本理论

统筹法网络计划的设计思想是[7]：先高度抽象化，以最简洁的符号表达各种不同的活动和它们之间的联系，即用节点（或有向线段）表示某项工序，用有向线段（或节点）组成类似于网络的形式来表达一项计划（工程）中各项工作（任务、工序）的先后顺序和相互关系。然后，通过有联系的逻辑关系计算找出计划中决定总工期的一组工作（工序），这组工作的逻辑顺序形成的步骤链被称为关键路线，该线工作被称为关键工序。
统筹法思想的核心是要找关键路线，在保证关键路线这一主要前提下，统筹考虑其他工序的资源配置和安排，更快更好地完成任务。事实上，这种合理的计划思想或多或少在我们的日常工作与生活中都有所体现。随着经验的积累，我们都在自觉与不自觉地采用一种合理优化的安排来完成某件事情，因此，反过来看，在锁眼型（Keyhole）面向特定领域的规划识别过程中，可结合预先给定的一种或多种相对合理的具有统筹方法的时态特征来对所要识别或预测的事件进行引导性的规划推理，将有助于提高系统的识别效率。

2.2 一种新的规划识别概念层次图

通常，一个目标事件的达成，是建立在若干个不同阶段的子事件的达成之上的。完成这些子事件的同时，也就完成了这个目标事件。从规划识别角度来讲，当观察到某个目标Agent正在进行的子事件，我们就能对其正在完成的目标事件进行预测（如图1）。
虽然此图可以清晰地描述这种层次关系，但在同一层次内的事件之间的关系就不能很好的描述了，尽管这些事件之间的先后关系可以用标记S大致表示出，但却无法准确表示其中的时态关系。这里，我们借助于上面提出的单点网络图，并稍加以修改，就可以很清晰地表示这些同层次子事件之间的时态关系。如图2所示
这里抽象Make pasta dish是从底层事件Boil water开始，按S的次序逐层完成，靠近目标。图中的虚线箭头表示其连接的事件在时间上有着严格的先后关系。

2.3 统筹规划识别基本思想

在姜云飞的规划知识图[8]中提出一种通过计算事件的发生在现实生活中的可能性来进行候选规划，因为现实中相关事件的发生其概率的确是不同的，这也就有了所谓的基于Bayesian概率理论的规划识别方法。就如一个人走进银行，他去相关业务的可能性可以认为是99%，而他是去抢银行的可能性可以认为是不到1%。所以，我们有必要对事件发生的可能性加以考虑。因为一般来说我们做事情都是尽量以最高效率完成，至少在时间上是如此，所以在这个做饭的时间安排上，我们通常就需在水烧开之前做完一些基本的工作，如做面条等。如果我们发现他开始烧水之后，在几分钟之内，或在水烧开之前还有足够的时间做一些什么事情，就观察到这个人开始做一些与做饭有关的准备工作了，那么我们就可进一步认为他是要做饭，而不是要洗头，我们就可以借助这种生活上的经验或规律，来有效提升规划识别的效率。

3、基于本体的算法描述

一般而言由于在面对特定领域中，其事件行为等都已被该领域从业人员所熟知，所以建立一种针对特定领域的事件的统筹方法知识库也就成为可能。我可以先设计一种统筹方法的知识表示本体（Ontology），我们可使用一种刘亚军给出的一个本体的定义[9]：一个构建完成的领域本体可视为一个无环的有向网络，其中：，是图中所有结点的集合，每个结点表示特定领域中的一个概念；
，其中表示与之间存在某种时态关系，是图中所有有向边的集合，表示概念之间的关系。而其关系值表示为一种置信度，也就是这种时态关系在实际中的可能性，根据不同的可能性，对应不同的置信度值，这个可能性就以统筹方法的时间最优为原则来确定。本文中面向某特定领域所用知识表示的本体的概念可描述为概念名{时态关系，置信度}它可用PROL论文导读：Aprobabilisticplanrecognitionalgorithmbasedonplantreegrammars.ArtificialIntelligence，2009，11：1中专毕业论文www.7ctime.com101-1132胡广朋等.一种应用规划识别建立自然语言接口的方法.江苏科技大学学报，2006，20（3）：60-63.Charniak，E.，Goldman，R.P.ABayesianmodelofplanrecognition.Ar
OG中的表来表示：[概念名，时态关系，置信度][7]。如图2.1所示，结点与之间的时态关系这个概念就可表示为[，，1]，其中表示结点与的关系概念名，的表示为before关系，即在之前完成的关系[8]。这里由于在只有一种特定的关系，所以只需一条记录即可表示。而图中结点与的关系显然可以是，还可以是关系中的一种。这里就要为关系分别定义这些关系，并给予赋值。
在实际应用中，我们针对当前所观察到的事件进行识别，引入统筹法的识别过程如下：假设我们从时间开始对目标Agent进行观察，发现Agent在做某个子事件，我们就利用这个在规划识别库中进行匹配查找，找出与此子事件相关的所有抽象，这些抽象组成一个集合，然后随着时间的进行，到时间点处时（假设还没有新的事件发生，可得到时间点与前面事件之间的时态关系。这时根据当前的抽象集合，分别查找此集合中每一个与事件可构成时态关系的抽象，并入规划集，并记录其时态关系所对应的置信度，初始并入规划集的置信度为0。对不构成该时态关系的事件序列所组成的抽象进行删除。当时间进行到事件发生时，再根据事件与之间的时态关系，对抽象集合进行修剪，同一抽象的事件序列置信度进行累加，再加入因发生而有可能导致的抽象，同样记新并入抽象的初始置信度为0，如此进行，直到时间点时，分别统计各种事件抽象。此时，由于当前置信度最高的抽象所对应的事件序列与某个抽象中事件的最佳统筹序列高度相似而可以得出下列结论：Agent正在进行的工作就是。
4、结语
结合统筹法思想，根据日常行为中对事件的最优处理意识来对目标Agent的行为进行规划预测，与传统的基于单事件概率决策预测等有着本质上的不同。这种使用多事件间时态关系的识别过程不仅最接近人类主观判别方式，而且其过程中由于不停地删除那些不合时态逻辑关系的事件所能导致的预测，在识别效率上也有显著提高。当然，本文所提出的识别方法较适合于锁眼型规划识别库，但对于某些有意的非逻辑事件的发生，这种办法就不再适用了。
参考文献
Christopher W. Geib， Robert P. Goldman. A probabilistic plan recognition algorithm based on plan tree grammars[J].Artificial Intelligence， 2009，11：1中专毕业论文www.7ctime.com
101-1132
胡广朋等.一种应用规划识别建立自然语言接口的方法[J].江苏科技大学学报，2006，20（3）：60-63.
[3]Charniak， E.， Goldman， R.P. A Bayesian model of plan recognition[J]. Artificial Intelligence， 1993，64（1）：53～79.
[4]Li Feng. Predicting intrusion goal using dynamic Bayesian network with traner probability estimation[J]. Journal of Network and Computer Applications， 2009，3， Pages 721-732
[5]Vilain， M. Getting serious about parsing plans： a grammatical analysis of plan recognition. In： Proceedings of the 8th National Conference on Artificial Intelligence[R]. Boston： AAAI Press， 1990.190～197.
[6]Henry， A.， Kautz， A. Formal theory of plan recognition [D].Rochester： University of Rochester， 1987.
[7]乞建勋等.统筹法的发展及前沿问题[M].科学出版社：北京，2010.8.
[8]姜云飞，马宁.一种基于规划知识图的规划识别算法[J].软件学报，2002，13（4）：686-692.
[9]刘亚军.基于本体和转移网络的网络教育自动答疑系统[J].哈尔滨工业大学学报，2004，36（12）：1649-1650，1692.