博泰亚，A。;恩森伯格，M。;Müller，M。;J·谢弗。 宏-FF：使用自动学习的宏操作符改进AI规划。 （英语） Zbl 1080.68657号 J.阿蒂夫。智力。研究（JAIR） 24, 581-621 (2005). 摘要：尽管人工智能规划最近取得了进展，但许多基准仍然对当前的规划师具有挑战性。在许多领域，通过发现和利用初始PDDL公式中未明确编码的域结构信息，可以大大提高规划师的性能。在本文中，我们提出并比较了两种自动方法，这两种方法从一个领域的以往经验中学习相关信息，并使用它来解决新的问题实例。我们的方法共享一个共同的四步策略。首先分析域并提取结构信息，然后根据先前发现的结构生成宏观算子。筛选和排名程序会选择最有用的宏观操作人员。最后，选定的宏用于加快未来的搜索。我们在第四届国际规划竞赛IPC-4中成功地使用了这种方法。我们的系统Macro-FF扩展了霍夫曼最先进的规划师FF2.3，支持两种宏观操作员，并具有工程增强功能。我们证明了我们在国际规划竞赛基准方面的想法的有效性。我们的结果表明，在可以推断出结构信息的复杂领域中，搜索工作量大大减少。 引用于13文件 MSC公司： 68T20型 人工智能背景下的问题解决（启发式、搜索策略等） 68T05型 人工智能中的学习和自适应系统 PDF格式BibTeX公司 XML格式引用 \textit{A.Botea}等人，J.Artif。智力。研究（JAIR）24，581--621（2005；Zbl 1080.68657） 全文： arXiv公司