斯科特·桑纳;Craig Boutiler公司 一阶MDP的实用解决方案技术。 （英语） Zbl 1191.68641号 Artif公司。智力。 173，编号5-6，748-788（2009）。 总结：许多传统的解决方法用于相关规定的决策理论规划问题（例如，概率规划领域描述语言（PPDDL）中所述的那些问题）根据领域对象的特定实例化建立规范，并将解决方法直接应用于生成的地面马尔可夫决策过程（MDP）。不幸的是，这些固定解方法的空间和时间复杂性在域对象数量上是多项式的，在关系问题规范中谓词arity和嵌套量词数量上是指数的。另一种解决关系规划问题的方法是直接在关系层面上解决问题。在本文中，我们提出了一种这样的方法，该方法将PPDDL表示的一个表达子集转换为一阶MDP（FOMDP）规范，然后在任何中间步骤都不需要基础的情况下导出域依赖策略。然而，这种通用性并非没有一系列挑战——本文的目的是探索解决FOMDP的实用解决方案技术。为了证明我们的技术的适用性，我们给出了我们的一阶近似线性规划规划器对2004年和2006年ICAPS国际规划竞赛概率轨道问题的概念验证结果。 引用于14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） 90立方厘米 马尔可夫和半马尔可夫决策过程 关键词：MDP公司;一阶逻辑;规划 软件：FODD-计划;氟氯化钙;NMRDPP公司;图规划;高尔夫;VAMPIRE公司 PDF格式BibTeX公司 XML格式引用 \textit{S.Sanner}和\textit{C.Boutiler}，Artif。智力。173，编号5--6，748--788（2009；Zbl 1191.68641） 全文： 内政部 参考文献： [1] D.Andre，S.Russell，《可编程强化学习代理：神经信息处理系统的进展》（NIPS-01），第13卷，2001年，第78-85页；D.Andre，S.Russell，可编程强化学习代理，摘自：神经信息处理系统的进展（NIPS-01），第13卷，2001年，第78-85页 [2] F.Bacchus，J.Y.Halpern，H.J.Levesque，《情境演算中噪声传感器的推理》，收录于：国际人工智能联合会议（IJCAI-95），蒙特利尔，1995年，第1933-1940页；F.Bacchus，J.Y.Halpern，H.J.Levesque，《情境演算中噪声传感器的推理》，摘自：国际人工智能联合会议（IJCAI-95），蒙特利尔，1995年，第1933-1940页·Zbl 0996.68192号 [3] 巴克斯，F。；Kabanza，F.，《使用时序逻辑表示规划的搜索控制知识》，人工智能，116，1-2，123-191（2000）·Zbl 0939.68827号 [4] R.I.Bahar，E.Frohm，C.Gaona，G.Hachtel，E.Macii，A.Pardo，F.Somenzi，代数决策图及其应用，收录于：IEEE/ACM CAD国际会议，1993年，第428-432页；R.I.Bahar、E.Frohm、C.Gaona、G.Hachtel、E.Macii、A.Pardo、F.Somenzi，代数决策图及其应用，载于：IEEE/ACM国际CAD会议，1993年，第428-432页 [5] A.G.Barto，S.J.Bradtke，S.P.Singh，《使用实时动态编程学习行动》，麻省理工大学UM-CS-1993-002，马萨诸塞州阿默斯特大学，1993年；A.G.Barto，S.J.Bradtke，S.P.Singh，《学习使用实时动态编程进行操作》，技术代表UM-CS-1993-002，美国马萨诸塞州阿默斯特，1993年 [6] Bellman，R.E.，《动态编程》（1957），普林斯顿大学出版社：普林斯顿大学出版，新泽西州普林斯顿·Zbl 0077.13605号 [7] Bertsekas，D.P.，《动态编程》（1987），普伦蒂斯·霍尔：新泽西州普伦蒂斯霍尔-恩格尔伍德悬崖·Zbl 0935.90037号 [8] Bertsekas，D.P。；Tsitsiklis，J.N.，神经动力学编程（1996），雅典娜科学：雅典娜科技贝尔蒙特，马萨诸塞州·Zbl 0924.68163号 [9] A.L.Blum，M.L.Furst，通过图形分析进行快速规划，载于：IJCAI 95，蒙特利尔，1995年，第1636-1642页；A.L.Blum，M.L.Furst，通过图分析快速规划，收录于：IJCAI 95，蒙特利尔，1995年，第1636-1642页 [10] B.Bonet，H.Geffner，《mGPT：基于启发式搜索的概率规划师》，载于：《IPC-04概率规划轨道在线会议录：http://www.cs.rutgers.edu/mlittman/topics/ipc04-pt/程序/；B.Bonet，H.Geffner，《mGPT：基于启发式搜索的概率规划师》，载于：《IPC-04概率规划轨道在线会议录：http://www.cs.rutgers.edu/mlittman/topics/ipc04-pt/会议记录/·Zbl 1080.68656号 [11] C.Boutiler、R.I.Brafman、C.Geib，《马尔可夫决策过程的优先目标分解：走向经典规划和决策理论规划的综合》，载于：国际人工智能联合会议（IJCAI-97）。名古屋，1997年，第1156-1162页；C.Boutiler、R.I.Brafman、C.Geib，《马尔可夫决策过程的优先目标分解：走向经典规划和决策理论规划的综合》，载于：国际人工智能联合会议（IJCAI-97）。名古屋，1997年，第1156-1162页 [12] Boutiler，C。；院长，T。；Hanks，S.，《决策理论规划：结构假设和计算杠杆》，《人工智能研究杂志》（JAIR），11，1-94（1999）·Zbl 0918.68110号 [13] C.Boutiler，N.Friedman，M.Goldszmidt，D.Koller，贝叶斯网络中的上下文特定独立性，收录于：人工智能中的不确定性（UAI-96），俄勒冈州波特兰，1996年，第115-123页；C.Boutiler，N.Friedman，M.Goldszmidt，D.Koller，贝叶斯网络中的上下文特定独立性，收录于：人工智能中的不确定性（UAI-96），俄勒冈州波特兰，1996年，第115-123页 [14] C.Boutiler、R.Reiter、B.Price，《一阶MDP的符号动态规划》，载于：国际人工智能联合会议（IJCAI-01），西雅图，2001年，第690-697页；C.Boutiler、R.Reiter、B.Price，《一阶MDP的符号动态规划》，载于：国际人工智能联合会议（IJCAI-01），西雅图，2001年，第690-697页 [15] C.Boutiler、R.Reiter、M.Soutchanski、S.Thrun，《情境演算中的决策论高级代理编程》，载于：AAAI-00，德克萨斯州奥斯汀，2000年，第355-362页；C.Boutiler、R.Reiter、M.Soutchanski、S.Thrun，《情境演算中的决策论高级代理编程》，收录于：AAAI-00，德克萨斯州奥斯汀，2000年，第355-362页 [16] Brachman，R。；Levesque，H.，《知识表示与推理》（2004），摩根考夫曼出版公司：摩根考夫曼出版公司，加利福尼亚州旧金山 [17] O.Buffet，D.Aberdeen，因子化政策梯度规划师（ipc-06版），载于《第五届国际规划竞赛论文集》，2006年；O.Buffet，D.Aberdeen，因子化政策梯度规划师（ipc-06版），摘自：2006年第五届国际规划竞赛论文集·Zbl 1192.68636号 [18] Buntine，W.，《广义包含及其在归纳和冗余中的应用》，人工智能，36375-399（1988） [19] de Farias，D。；Roy，B.V.，《近似动态规划的线性规划方法》，运筹学，51，6，850-865（2003）·兹比尔1165.90666 [20] R.de Salvo Braz，E.Amir，D.Roth，《提升一阶概率推理》，载于：第19届国际人工智能联合会议（IJCAI-2005），英国爱丁堡，2005年，第1319-1325页；R.de Salvo Braz，E.Amir，D.Roth，《提升一阶概率推理》，载于：第19届国际人工智能联合会议（IJCAI-2005），英国爱丁堡，2005年，第1319-1325页 [21] R.de Salvo Braz，E.Amir，D.Roth，MPE和提升概率变量消除中的部分反演，摘自：美国波士顿国家人工智能会议（AAAI-06），2006年；R.de Salvo Braz，E.Amir，D.Roth，MPE和提升概率变量消除中的部分反演，收录于：美国波士顿国家人工智能会议（AAAI-06），2006年 [22] 迪尔登，R。；Boutiler，C.，抽象和近似决策理论规划，人工智能，89，12，219-283（1997）·Zbl 1042.68669号 [23] Dechter，R.，桶消除：推理的统一框架，人工智能，113，41-85（1999）·Zbl 0939.68847号 [24] K.Driessens，S.Dzeroski，《在关系强化学习中整合实验和指导》，载《机器学习国际会议》，2002年，第115-122页；K.Driessens，S.Dzeroski，《关系强化学习中的实验与指导整合》，载于：国际机器学习会议，2002年，第115-122页·Zbl 1079.68084号 [25] Dzeroski，S。；DeRaedt，L。；Driessens，K.，《关系强化学习》，《机器学习杂志》（MLJ），43，7-52（2001）·Zbl 0988.68088号 [26] A.Fern，S.Yoon，R.Givan，《带有政策语言偏差的近似政策迭代》，载于《神经信息处理系统的进展》第16期（NIPS-03），2003年12月；A.Fern，S.Yoon，R.Givan，《带有政策语言偏差的近似政策迭代》，载于《神经信息处理系统的进展》第16期（NIPS-03），2003年12月·Zbl 1182.68237号 [27] A.Fern，S.Yoon，R.Givan，从随机漫步中学习特定领域的控制知识，收录于：国际计划与调度会议（ICAPS-04），2004年6月，第191-199页；A.Fern，S.Yoon，R.Givan，从随机漫步中学习特定领域的控制知识，收录于：国际计划与调度会议（ICAPS-04），2004年6月，第191-199页 [28] A.Ferrein，C.Fritz，G.Lakemeyer，《用选项扩展DTGolog》，载于：第18届国际人工智能联合会议（IJCAI-2003），墨西哥阿卡普尔科，2003年，第144-151页；A.Ferrein，C.Fritz，G.Lakemeyer，《用选项扩展DTGolog》，载于：第18届国际人工智能联合会议（IJCAI-2003），墨西哥阿卡普尔科，2003年，第144-151页 [29] Fikes，R.E。；Nilsson，N.J.，STRIPS:将定理证明应用于问题解决的新方法，AI期刊，2189-208（1971）·Zbl 0234.68036号 [30] N.H.Gardiol，L.P.Kaelbling，《关系MDP中基于包络的规划》，载于《神经信息处理系统的进展》16（NIPS-03），加利福尼亚州温哥华，2004年，第1040-1046页；N.H.Gardiol，L.P.Kaelbling，关系MDP中的基于包络的规划，收录于：神经信息处理系统的进展16（NIPS-03），加利福尼亚州温哥华，2004年，第1040-1046页 [31] Gartner，T。；德莱森斯，K。；Ramon，J.，关系强化学习的图核和高斯过程，机器学习杂志（MLJ），64，91-119（2006）·Zbl 1103.68681号 [32] A.Gerevini，B.Bonet，B.Givan（编辑），第五届国际规划竞赛IPC-05在线会议记录：http://www.ldc.usb.ve/bonet/ipc5/docs/ipc-2006-booklet.pdf.gz; A.Gerevini，B.Bonet，B.Givan（编辑），第五届国际规划竞赛IPC-05在线会议记录：http://www.ldc.usb.ve/bonet/ipc5/docs/ipc-2006-booklet.pdf.gz [33] C.Gretton，S.Thiebaux，《在归纳政策选择中利用一阶回归》，载于：《人工智能中的不确定性》（UAI-04），加拿大班夫，2004年，第217-225页；C.Gretton，S.Thiebaux，在归纳政策选择中利用一阶回归，载于：人工智能的不确定性（UAI-04），加拿大班夫，2004年，第217-225页 [34] C.Guestrin，M.Hauskrecht，B.Kveton，用连续和离散变量求解因子MDP，载于：第20届人工智能不确定性会议，2004年，第235-242页；C.Guestrin，M.Hauskrecht，B.Kveton，用连续和离散变量求解因子化MDP，收录于：第20届人工智能不确定性会议，2004年，第235-242页·Zbl 1182.68252号 [35] C.Guestrin、D.Koller、C.Gearhart、N.Kanodia，《关系型MDP中新环境的通用计划》，载于：第18届国际人工智能联合会议（IJCAI-2003），墨西哥阿卡普尔科，2003年，第1003-1010页；C.Guestrin、D.Koller、C.Gearhart、N.Kanodia，《关系型MDP中新环境的通用计划》，载于：第18届国际人工智能联合会议（IJCAI-2003），墨西哥阿卡普尔科，2003年，第1003-1010页 [36] Guestrin，C。；科勒，D。；帕尔，R。；Venktaraman，S.，因子化MDP的有效求解方法，《人工智能研究杂志》，第19期，第399-468页（2002年）·Zbl 1026.68125号 [37] M.Hauskrecht，B.Kveton，因子化连续状态Markov决策过程的线性程序近似，in：神经信息处理系统进展，2004年，第895-902页；M.Hauskrecht，B.Kveton，因子化连续状态Markov决策过程的线性程序近似，收录于：神经信息处理系统进展16，2004年，第895-902页 [38] J.Hoey，R.St-Aubin，A.Hu，C.Boutiler，SPUDD：使用决策图的随机规划，摘自：《人工智能中的不确定性》（UAI-99），斯德哥尔摩，1999年，第279-288页；J.Hoey，R.St-Aubin，A.Hu，C.Boutiler，SPUDD：使用决策图的随机规划，摘自：人工智能中的不确定性（UAI-99），斯德哥尔摩，1999年，第279-288页 [39] 霍夫曼，J。；Nebel，B.，《FF计划系统：通过启发式搜索快速生成计划》，《人工智能研究杂志》（JAIR），第14期，第253-302页（2001年）·Zbl 0970.68044号 [40] Hölldobler，S。；卡拉巴耶夫，E。；Skvortsova，O.，FluCaP:一阶mdp的启发式搜索规划器，《人工智能研究杂志》，27419-439（2006）·Zbl 1182.68246号 [41] Howard，R.A.，《动态规划和马尔可夫过程》（1960），麻省理工学院出版社·Zbl 0091.16001号 [42] E.Karabaev，O.Skvortsova，求解一阶MDP的启发式搜索算法，in：《人工智能中的不确定性》（UAI-05），苏格兰爱丁堡，2005年，第292-299页；E.Karabaev，O.Skvortsova，求解一阶MDP的启发式搜索算法，收录于：人工智能中的不确定性（UAI-05），苏格兰爱丁堡，2005年，第292-299页 [43] K.Kersting，M.van Otterlo，L.de Raedt，Bellman goes relational，in：机器学习国际会议（ICML-04），ACM出版社，2004年，第465-472页；K.Kersting，M.van Otterlo，L.de Raedt，Bellman goes relational，in：机器学习国际会议（ICML-04），ACM出版社，2004年，第465-472页 [44] Khardon，R.，规划领域的学习行动策略，人工智能，113，1-2，125-148（1999）·Zbl 0943.68130号 [45] Khardon，R.，《学会采取行动》，机器学习，35，1，57-90（1999）·Zbl 0920.68103号 [46] D.Koller，R.Parr，《结构化MDP中政策的计算因子价值函数》，摘自：国际人工智能联合会议（IJCAI-99），斯德哥尔摩，1999年，第1332-1339页；D.Koller，R.Parr，《结构化MDP中政策的计算因子价值函数》，摘自：国际人工智能联合会议（IJCAI-99），斯德哥尔摩，1999年，第1332-1339页 [47] D.Koller，R.Parr，因子化MDP的政策迭代，in：人工智能中的不确定性（UAI-00），斯德哥尔摩，2000年，第326-334页；D.Koller，R.Parr，因子化MDP的政策迭代，in：人工智能中的不确定性（UAI-00），斯德哥尔摩，2000年，第326-334页 [48] Levesque，H.J。；Reiter，R。；Lespérance，Y。；林，F。；Scherl，R.，GOLOG:一种用于动态域的逻辑编程语言，《逻辑编程杂志》，31，1-3，59-83（1997）·兹比尔0880.68008 [49] I.Little，Paragraph:A Graphplan based probability planner，摘自：2006年第五届国际规划竞赛论文集；I.Little，Paragraph:A Graphplan based probability planner，摘自：2006年第五届国际规划竞赛论文集 [50] M.L.Littman，H.L.S.Younes（编辑），IPC-04概率规划轨道的在线程序：http://www.cs.rutgers.edu/mlittman/topics/ipc04-pt/程序/; M.L.Littman，H.L.S.Younes（编辑），IPC-04概率规划轨道的在线程序：http://www.cs.rutgers.edu/mlittman/topics/ipc04-pt/程序/ [51] S.Mahadevan，Samuel meets Amarel：《使用全局状态空间分析实现值函数近似自动化》，载于：国家人工智能会议（AAAI-05），匹兹堡，2005年，第1000-1005页；S.Mahadevan，Samuel meet Amarel:Automating value function approximation using global state space analysis，in：National Conference on Artificial Intelligence（AAAI-05），匹兹堡，2005，pp.1000-1005 [52] McCarthy，J.，《情境、行为和因果律》，斯坦福大学技术代表，1963年，再版，（Minsky，M.，语义信息处理（1968），麻省理工学院出版社：麻省理工大剑桥出版社），410-417 [53] N.Meuleau，M.Hauskrecht，K.-E.Kim，L.Peshkin，L.P.Kaelbling，T.Dean，C.Boutiler，求解超大弱耦合Markov决策过程，收录于：美国人工智能全国会议（AAAI-98），威斯康星州麦迪逊，1998年，第165-172页；N.Meuleau，M.Hauskrecht，K.-E.Kim，L.Peshkin，L.P.Kaelbling，T.Dean，C.Boutiler，《求解超大弱耦合Markov决策过程》，收录于：美国人工智能全国会议（AAAI-98），威斯康星州麦迪逊，1998年，第165-172页 [54] B.Motik，《使用分辨率和演绎数据库进行描述逻辑推理》，博士论文，Univesität Karlsruhe（TH），德国卡尔斯鲁厄，2006年1月；B.Motik，《使用分辨率和演绎数据库进行描述逻辑推理》，博士论文，Univesität Karlsruhe（TH），德国卡尔斯鲁厄，2006年1月 [55] Ng，A.Y。；原田，D。；Russell，S.，《报酬转换下的政策不变性：报酬塑造的理论与应用》，（第16届国际机器学习大会（1999年），Morgan Kaufmann:Morgan Koufmann San Francisco，CA），278-287 [56] 帕尔·R。；Russell，S.，《机器层次结构的强化学习》（Jordan，M.M.K.；Solla，S.），《神经信息处理系统进展》10（1998），麻省理工学院出版社：麻省理学院出版社剑桥，1043-1049 [57] R.Patrascu，P.Poupart，D.Schuurmans，C.Boutiler，C.Guestrin，因子化马尔可夫决策过程的贪婪线性值逼近，收录于：国家人工智能会议（AAAI-02），埃德蒙顿，2002年，第285-291页；R.Patrascu，P.Poupart，D.Schuurmans，C.Boutiler，C.Guestrin，因子化马尔可夫决策过程的贪婪线性值逼近，收录于：国家人工智能会议（AAAI-02），埃德蒙顿，2002年，第285-291页 [58] E.P.D.Pednault，ADL：探索STRIPS和情境演算之间的中间地带，KR，1989年，第324-332页；E.P.D.Pednault，ADL：探索STRIPS和情境演算之间的中间地带，KR，1989年，第324-332页 [59] Poole，D.，《不确定性下多智能体建模的独立选择逻辑》，人工智能，94，1-2，7-56（1997）·Zbl 0902.03017号 [60] D.Poole，一阶概率推断，收录于：IJCAI，2003年，第985-991页；D.Poole，一阶概率推断，收录于：IJCAI，2003年，第985-991页 [61] P.Poupart，C.Boutiler，R.Patrascu，D.Schuurmans，分解MDP的分段线性值函数近似，收录于：国家人工智能会议（AAAI-02），埃德蒙顿，2002年，第292-299页；P.Poupart，C.Boutiler，R.Patrascu，D.Schuurmans，分解MDP的分段线性值函数近似，收录于：国家人工智能会议（AAAI-02），埃德蒙顿，2002年，第292-299页 [62] Puterman，M.L.，《马尔可夫决策过程：离散随机动态规划》（1994），威利出版社，纽约·Zbl 0829.90134号 [63] Reiter，R.，《情境演算中的框架问题：目标回归的简单解决方案（有时）和完整结果》，（Lifschitz，V.，《人工智能和计算数学理论》（约翰·麦卡锡荣誉论文）（1991），学术出版社：加州圣地亚哥学术出版社），359-380·Zbl 0755.68124号 [64] Reiter，R.，《行动中的知识：指定和实现动态系统的逻辑基础》（2001），麻省理工学院出版社·Zbl 1018.03022号 [65] Riazanov，A。；Voronkov，A.，《吸血鬼的设计与实现》，AI Communications，15，2，91-110（2002）·Zbl 1021.68082号 [66] J.Rintanen，规划与感知形式的表达等效，载于：第13届自动规划与调度国际会议，2003年，第185-194页；J.Rintanen，规划与感知形式的表达等效，载于：第13届自动规划与调度国际会议，2003年，第185-194页 [67] S.Sanner，结构化关系环境中的一阶决策理论规划，博士论文，加拿大安大略省多伦多市多伦多大学，2008年3月；S.Sanner，结构化关系环境中的一阶决策理论规划，博士论文，加拿大安大略省多伦多市多伦多大学，2008年3月 [68] S.Sanner，C.Boutilier，《一阶MDP的近似线性规划》，《人工智能的不确定性》（UAI-05），苏格兰爱丁堡，2005年，第509-517页；S.Sanner，C.Boutiler，一阶MDP的近似线性规划，收录于：人工智能中的不确定性（UAI-05），苏格兰爱丁堡，2005年，第509-517页·Zbl 1341.90144号 [69] S.Sanner，C.Boutiler，一阶MDP的实用线性评估技术，in：人工智能中的不确定性（UAI-06），马萨诸塞州波士顿，2006年；S.Sanner，C.Boutiler，一阶MDP的实用线性评估技术，收录于：人工智能中的不确定性（UAI-06），马萨诸塞州波士顿，2006年·Zbl 1191.68641号 [70] S.Sanner，C.Boutiler，因子化一阶MDP的近似求解技术，载于：第17届自动规划与调度国际会议（ICAPS-07），2007年，第288-295页；S.Sanner，C.Boutiler，因子化一阶MDP的近似求解技术，收录于：第17届自动规划与调度国际会议（ICAPS-07），2007年，第288-295页·Zbl 1191.68641号 [71] D.Schuurmans，R.Patrascu，因子MDP的直接值近似，载于：神经信息处理进展14（NIPS-01），温哥华，2001年，第1579-1586页；D.Schuurmans，R.Patrascu，因子MDP的直接值近似，in：神经信息处理的进展14（NIPS-01），温哥华，2001年，第1579-1586页 [72] Schweitzer，P。；塞德曼，A.，马尔科夫决策过程中的广义多项式近似，数学分析与应用杂志，110，568-582（1985）·Zbl 0578.90091号 [73] Shapley，L.S.，《随机游戏》，《国家科学院院刊》，39，327-332（1953）·Zbl 0051.35805号 [74] 辛格，S.P。；Cohn，D.，《如何动态合并马尔可夫决策过程》（How to dynamic merge Markov decision processes）（《神经信息处理系统进展》（NIPS-98）（1998），麻省理工学院出版社：麻省理学院出版社剑桥，1057-1063 [75] R.St-Aubin，J.Hoey，C.Boutiler，APRICODD：使用决策图进行近似政策构建，摘自：神经信息处理进展13（NIPS-00），丹佛，2000年，第1089-1095页；R.St-Aubin，J.Hoey，C.Boutiler，APRICODD：使用决策图进行近似政策构建，摘自：神经信息处理进展13（NIPS-00），丹佛，2000年，第1089-1095页 [76] F.Teichteil，P.Fabiani，《带决策图的符号随机聚焦动态规划》，载《第五届国际规划竞赛论文集》，2006年；F.Teichteil，P.Fabiani，带决策图的符号随机聚焦动态规划，收录于：第五届国际规划竞赛论文集，2006年·Zbl 1112.90092号 [77] 蒂堡，S。；格雷顿，C。；斯莱尼，J。；价格，D。；Kabanza，F.，《非马尔科夫报酬的决策理论规划》，《人工智能研究杂志》，第25期，第17-74页（2006年1月）·Zbl 1182.68270号 [78] 齐齐克利斯，J.N。；Van Roy，B.，《大规模动态规划的基于特征的方法》，机器学习，22，59-94（1996）·Zbl 1099.90586号 [79] M.Veloso，《在一般问题解决中通过类比推理学习》，卡内基梅隆大学博士论文，1992年8月；M.Veloso，《在一般问题解决中通过类比推理学习》，卡内基梅隆大学博士论文，1992年8月 [80] C.Wang，S.Joshi，R.Khardon，关系型MDP的一阶决策图，载于：第二十届国际人工智能联合会议（IJCAI-07），印度海得拉巴，2007年，第1095-1100页；C.Wang，S.Joshi，R.Khardon，关系型MDP的一阶决策图，载于：第二十届国际人工智能联合会议（IJCAI-07），印度海得拉巴，2007年，第1095-1100页·Zbl 1182.68271号 [81] 王，C。；Joshi，S。；Khardon，R.，关系MDP的一阶决策图，《人工智能研究杂志》（JAIR），31431-472（2008）·Zbl 1182.68271号 [82] C.Wang，R.Khardon，关系MDP的政策迭代，in：人工智能中的不确定性（UAI-07），加拿大温哥华，2007年；C.Wang，R.Khardon，关系型MDP的政策迭代，载于：人工智能的不确定性（UAI-07），加拿大温哥华，2007年 [83] J.Wu，R.Givan，《发现概率规划的关系域特征》，载：第17届国际自动化规划与调度会议（ICAPS 2007），2007年，第344-351页；J.Wu，R.Givan，《发现概率规划的关系域特征》，载于：第17届国际自动规划与调度会议（ICAPS 2007），2007年，第344-351页 [84] S.Yoon，A.Fern，R.Givan，一阶马尔可夫决策过程的归纳策略选择，收录于：人工智能中的不确定性（UAI-02），埃德蒙顿，2002年，第569-576页；S.Yoon，A.Fern，R.Givan，一阶马尔可夫决策过程的归纳策略选择，收录于：人工智能中的不确定性（UAI-02），埃德蒙顿，2002年，第569-576页 [85] S.Yoon，A.Fern，R.Givan，《学习概率规划领域的反应策略》，收录于：IPC-04概率规划轨道的在线程序：http://www.cs.rutgers.edu/mlittman/topics/ipc04-pt/程序/; S.Yoon，A.Fern，R.Givan，《学习概率规划领域的反应策略》，收录于：IPC-04概率规划轨道的在线程序：http://www.cs.rutgers.edu/mlittman/topics/ipc04-pt/proceedings（http://www.cs.rutgers.edu/mlittman/topics/ipc04-pt/proceedings）/ [86] S.Yoon，A.Fern，R.Givan，规划领域进度的学习度量，收录于：第20届全国人工智能会议，2005年7月，第1217-1222页；S.Yoon，A.Fern，R.Givan，规划领域进度的学习度量，收录于：第20届全国人工智能会议，2005年7月，第1217-1222页 [87] 尹，S。；弗恩，A。；Givan，R.，《带有政策语言偏差的近似政策迭代：学习求解关系马尔可夫决策过程》，《人工智能研究杂志》（JAIR），25，85-118（2006）·Zbl 1182.68237号 [88] S.Yoon，A.Fern，R.Givan，《FF-Replan:概率规划的基准》，载于：第17届国际自动规划与调度会议（ICAPS-07），2007年，第352-359页；S.Yoon，A.Fern，R.Givan，《FF-Replan:概率规划的基准》，载于：第17届国际自动规划与调度会议（ICAPS-07），2007年，第352-359页 [89] Younes，H.L.S。；利特曼，M.L。；韦斯曼，D。；Asmuth，J.，《国际规划竞赛的第一条概率轨道》，《人工智能研究杂志》（JAIR），24851-887（2005）·Zbl 1080.68676号 [90] N.L.Zhang，D.Poole，《贝叶斯网络计算的简单方法》，摘自：Proc。第十届加拿大人工智能会议，1994年，第171-178页；N.L.Zhang，D.Poole，《贝叶斯网络计算的简单方法》，摘自：Proc。第十届加拿大人工智能会议，1994年，第171-178页 [91] Zhang，N.L。；Poole，D.，《利用贝叶斯网络推理中的因果独立性》，《人工智能研究杂志》（JAIR），5301-328（1996）·Zbl 0900.68384号 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。