سال انتشار: ۱۳۸۲

محل انتشار: نهمین کنفرانس سالانه انجمن کامپیوتر ایران

تعداد صفحات: ۸

نویسنده(ها):

غلامرضا قاسم ثانی – دانشکده ی مهندسی کامپیوتر، دانشگاه صنعتی شریف
سیدعلی اکرمی فر – دانشکده ی مهندسی کامپیوتر، دانشگاه صنعتی شریف

چکیده:

یکی از مهمترین مشکلات برنامه ریزی در هوش مصنوعی، کند بودن فرایند برنامه ریزی است. در طی ساله های گذشته تلاش های زیادی برای حل این مشکل انجام گرفته که از آن جملهمی توان به روش های مکاشفه ای در برنامه ریزهای جلو رو اشاره نمود. در این مقاله روش نوینی جهت استفاده از تکنیک های یادگیری ماشین برای بهبودکارایی برنامه ریزی و طراحی یک تابع مکاشفه ای مبتنی بر یادگیری ارائه شده است. از آنجایی که یک برنامه ازحالت اولیه، حالت نهایی و چند حالت میانی تشکیل شده، استفاده از کنش های قابل اعتماد در هر حالت مساله و یادگیری ترتیب آن ها مهمترین بخش روش ارایه شده مسحوب میشود.