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 migliori
2021
MIP experiments on classical AI planning problems
AI Planning
programmazione
lineare intera
File 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