L'attività di AI Planning permette di raggiungere un obiettivo non inizialmente verificato partendo da uno stato iniziale tramite una sequenza di azioni per spostarsi tra gli stati con costo ed effetto. Si utilizzano strategie di ricerca euristica con risultati molto efficienti, è possibile tuttavia un approccio differente tramite l'utilizzo della programmazione lineare intera. Nello specifico di questo studio vengono affrontati due esperimenti per valutare l'efficacia dell'approccio MIP, tenendo conto del fatto che l'uso di un opportuno euristico avrà comunque risultati migliori
Risoluzione di problemi di AI Planning tramite un approccio MIP
TAORMINA, GABRIEL
2021/2022
Abstract
L'attività di AI Planning permette di raggiungere un obiettivo non inizialmente verificato partendo da uno stato iniziale tramite una sequenza di azioni per spostarsi tra gli stati con costo ed effetto. Si utilizzano strategie di ricerca euristica con risultati molto efficienti, è possibile tuttavia un approccio differente tramite l'utilizzo della programmazione lineare intera. Nello specifico di questo studio vengono affrontati due esperimenti per valutare l'efficacia dell'approccio MIP, tenendo conto del fatto che l'uso di un opportuno euristico avrà comunque risultati miglioriFile in questo prodotto:
File | Dimensione | Formato | |
---|---|---|---|
Taormina_Gabriel.pdf
accesso aperto
Dimensione
868.11 kB
Formato
Adobe PDF
|
868.11 kB | Adobe PDF | Visualizza/Apri |
The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License
Utilizza questo identificativo per citare o creare un link a questo documento:
https://hdl.handle.net/20.500.12608/39032