Полная параллельная поддержка для систем планирования, основанных на случаях

Описание
Типичная система планирования, основанная на случаях решает новые задачи путем поиска подобных случаев в памяти и выбора одного или нескольких, наиболее подходящих к поставленной задаче. Система подгоняет выбранные случаи к новому плану, который вычисляется для текущей задачи. После отработки ошибочных случаев в новом плане, система сохраняет его как новый случай для возможного повторного использования (и отключается от его выполнения) .
Система планирования, основанная на случаях отличается от систем генерирования планов, таких как Нонлин (от англ. “Nonlinear” - нелинейный) , которые строят плохо подобранный план путем поиска подходящего фрагмента плана, расширения этого фрагмента путем добавления в него действий и затем проверки расширенного фрагмента плана на “вредность” и “полезность” взаимодействий между внедренными действиями. Это дорогой процесс.
Системы планирования, основанные на случаях действуют иначе (т.е. не начинают с постройки плохо подобранного плана) . Планировщик пытается найти наиболее полно подходящий план, в котором все “вредные” взаимодействия уже изъяты.
Большая часть систем планирования, основанных на случаях использует последовательные процедуры для выборки случаев. Они формируют подбираемый образец, который сравнивает свойства поставленной задачи со своими свойствами, содержащимися в случае. Однако последовательное сравнение образца с каждым из случаев в настоящей базе случаев, состоящей из сотен или тысяч элементов недопустимо дорого. В результате, эти системы обращаются к памяти редко, зачастую только при восстановлении единичного случая, чтобы приспособиться ко всем целям решаемой задачи. Такие системы могут вести поиск случаев более эффективно, используя индексацию для ограничения свойств в поисковом образце (посредством этого ограничивается область поиска в базе случаев, но такой подход порождает некоторые другие проблемы) .
Система Капер (Система планирования, основанная на случаях) разработана для непосредственной переадресации некоторых задач последовательной выборки на индексированную базу случаев.
Капер использует полный параллелизм Машины Связи (вычислителя) для быстрой выборки случаев и планов из обширной неиндексированной памяти. Система может выбирать случаи и планы, основанные на нескольких свойствах целевой задачи, включающих абстракции целевых свойств. Контролируя, какое из свойств является свойством образца, а также его уровень абстракции, таким образом, может быть исследован весь диапазон запросов.
В отличие от последовательных планировщиков, Капер может преподнести к выборке сразу несколько планов (или надпланов) для достижения различных частей решаемой задачи и далее объединить их в один композитный план, который решает все (или большую часть) поставленных задач с наибольшей достоверностью.
Рассмотрим также организацию базы знаний и подбор плана: а) Организация базы знаний База знаний организуется как семантическая сеть, содержащая представления эпизодических и концептуальных знаний. Концепция включает объекты, которые могут иметь физические свойства, действия, которые могут задаваться правилами, начальные условия и следствия. Концепция организуется отношениями is-a (принадлежности) , part/whole (частичного порядка) и другими. Представление (концепция) может также содержать включения или индивидуальные имена типов, которые представляют часть объектов.
Эпизодические знания описываются накопленным опытом системы (или опытами, которые были ей сообщены заранее) . Каждому эпизоду ставится в соответствие определенные дата, время, место и другие свойства.
Эпизоды включают случаи (первичная задача планирования) , е-планы (первично выполняемые планы) , е-действия (первично выполняемые простейшие действия) .
Случай состоит из задачи планирования (начальная ситуация - требуемое решение) , е-планы генерируются для ее решения и возвращения после их выполнения на начальный уровень. Е-планы состоят из иерархически организованных е-планов (надпланов) , каждый из которых решает задачи/надзадачи.
В конце иерархии планов имеются е-действия, которые строго индивидуальны (случаи концепции действия) .
В Капере узлы семантической сети представляют концепции, имена типов и эпизоды.
Память Капера осуществлена с использованием полной параллельной, основанной на фреймах, системы представления знаний, названной Парка.
Капер использует Структурный Конструктор для выборки эпизодов из памяти. Структурный Конструктор рассматривает базу знаний как граф с вершинами, представляющими собой фреймы и гранями, представляющими собой слоты (которые связывают собой два фрейма) .
б) Подбор плана Капер-планировщик комбинирует исходные планы в единый новый план, а Плановый Адаптер исполняет его часть для обнаружения и использования взаимодействий между комбинированными планами.
Авторы и название оригинала переведенной статьи: “Massively Parallel Support for Case-Based Planning” , Brian P. Kettler, James A. Hendler, William A. Anderson, and Matthew P. Evett