1、不確定規(guī)劃是目前人工智能研究領(lǐng)域的一個熱點問題?；谀Ｐ蜋z測的方法在處理許多實際的不確定規(guī)劃問題上有很大的優(yōu)勢。在完全可觀察(或部分可觀察)條件下,對可達性目標作規(guī)劃又是其中一個重要的部分。
　　在現(xiàn)實規(guī)劃領(lǐng)域中,控制器要執(zhí)行一個規(guī)劃解,需要根據(jù)當前觀察變量的值來確定agent下一步應該執(zhí)行的動作。在控制器執(zhí)行規(guī)劃解的過程中,一些觀察信息是沒有被用到的,而獲取這些觀察信息是要花費一定代價的,所以在確保控制器執(zhí)行規(guī)劃解無誤的前提下,

2、盡可能地減少獲取觀察信息的代價是一件非常有必要的工作。
　　本文就觀察信息約簡這一問題進行了深入地研究,將觀察信息約簡分為兩種情況,一種是在已知規(guī)劃解的條件下進行觀察信息約簡,另一種是在未知規(guī)劃解的條件下進行觀察信息約簡。首先在已知規(guī)劃解的條件下詳細地指出了進行觀察信息約簡所需要的步驟,先尋找需要區(qū)分的狀態(tài)對集合,再利用狀態(tài)對集合對觀察變量集合進行約簡。為強循環(huán)規(guī)劃解的觀察信息約簡設計了ORSCP和ORSCPM兩種可行算法,這兩種

3、算法的主要區(qū)別在于尋找需要區(qū)分狀態(tài)對集合的方法不同,在同一規(guī)劃領(lǐng)域中,兩種算法的執(zhí)行效果會有所不同,所以應根據(jù)實際情況選擇適當?shù)乃惴ā?br>　　目前,對多agent的研究都集中在確定動作的多agent規(guī)劃領(lǐng)域,然而對于存在不確定動作的多agent規(guī)劃領(lǐng)域的研究還是極少的。在不確定多agent規(guī)劃領(lǐng)域未知規(guī)劃解的條件下,本文設計了一個求解協(xié)同規(guī)劃解的ORMAP算法,該算法首先通過將整個領(lǐng)域的狀態(tài)進行分層,找出可能發(fā)生沖突的狀態(tài),再利用以