автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.17, диссертация на тему:Исследование методов и разработка алгоритмов планирования и моделирования целенаправленного поведения

Введение.

Актуальность работы.

Цель работы .„.»»».»».».».»».».».»»».»».»»».»»»»»».».»».».»».».

Методы исследования.

Научная новизна.

Практическая значимость работы.

Апробация работы.

Структура и объём работы».»»».»».»»»».»»»»».»».»».».».».»».»».»»»»».»»».»»»».

Содержание работы.

Глава 1. Методы интеллектуального планирования.

1.1. Введен ие.

1.2. Хронология подходов интеллектуального планирования при классических допущениях

И 13. Планирование как доказательство теорем.

1.4. Поиск в пространстве состояний.

1.4.1. Постановка задачи STRIPS-планирования.

1.4.2. Алгоритм STRIPS.

1.4.3. Неполнота алгоритма STRIPS. Аномалия Суссмана.

1.4.5. Вычислительная сложность задачи STRIPS-планирования.

1.4.6. Языковые средства описания доменов планирования.

1.5. Поиск в пространстве планов.

1.5.1. Основная идея.

1.5.2. Основные определения.

1.5.3. Алгоритм SNLP.

1.5.4. Принцип малой связности.

1.6. Планирование как задача удовлетворения ограничений».»».;.»»».

1.6.1. Постановка задачи удовлетворения ограничений.

1.6.2. Синтез планов на основе техники прямого распространения офаничений.

1.6.2.1. Основные определения.

1.6.2.2. Алгоритм Graphplan.

1.7. Выводы.

Глава 2. Синтез планов на основе преобразования взаимовлияний действий.

2.1. Введение.

2.2. Постановка задачи.

2.3. Прогрессивная и регрессивная модели среды.

2.4. Взаимовлияние действий: конфликты и согласия.

2.5. Преобразования.

2.5.1. Преобразование последовательностей действий.

2.5.2. Преобразование взаимовлияний.

2.6. Минимальные планы. Бесполезные действия.

2.7. Синтез планов на основе разрешения конфликтов.„.

2.7.1. Планирование на основе преобразования взаимовлияний.

2.7.2. Планирование на основе полного разрешения конфликтов.

2.7.3. Планирование за конечное время.

2.8. Эффективность алгоритма TCRPA.

Актуальность работы

Теория динамических интеллектуальных систем является в настоящее время интегрирующим базисом различных направлений искусственного интеллекта [18].

Динамические интеллектуальные системы возникают, в частности, при интеграции экспертных систем с системами имитационного моделирования сложных технических (или иных) систем, при создании интеллектуальных систем различного назначения, при решении задач поддержки принятия решений, в клинической деятельности при создании систем поддержки лечебно-диагностического процесса и практически при всех реализациях экспертных систем реального времени [22].

В настоящее время прикладные динамические интеллектуальные системы эффективно используются для решения задач мониторинга, обнаружения неисправностей,* диагностики; в тоже время слабым местом является решение задач управления процессами в реальном премени, моделирования целенаправленного поведения.

Подобное положение объясняется, с одной стороны, отсутствием высокопроизводительных алгоритмов интеллектуального планирования, которые являются основой средств моделирования целенаправленного поведения интеллектуальных систем, с другой стороны, недостаточной теоретической ясностью методов формирования планов в условиях динамической и недоопределённой среды.

Тем не менее, можно отметить некоторые успешные разработки в области моделирования целенаправленного поведения:

- система парирования нештатных ситуаций и оптимального управления космического аппарата Deep Space One [108], запущенного NASA в 1998 году. Система основана на классическом алгоритме SAT-планирования [67];

- система Optimum-AIV [36], используемая Европейским Космическим Агентством для сборки, компоновки и тестирования космических аппаратов. Система разработана с использованием инструментария O-Plan [101];

- система Sipe-2 [107] используется на производственных упаковочных линиях, при этом учитываются производственные и ресурсные ограничения. В основе Sipe-2 лежит алгоритм иерархического планирования.

Таким образом, представляются достаточно актуальными задачи создания эффективных методов интеллектуального планирования и моделирования целенаправленного поведения, и том числе, в условиях динамической внешней среды. Настоящая работа посвящена исследованию и решению некоторых возникающих в этой области зидач.

Работа выполнена в рамках следующих проектов:

• Тема №01.200.111813 «Исследование дискретных динамических систем, основанных на знаниях».

• Тема №01.200.111814 «Создание инструментальных программных средств динамических систем, основанных на знаниях».

• Проект Миннауки РФ - ГНТП № 0201.04.334. "Разработка инструментальных программных средств интегрированных интеллектуальных систем для моделирования поведения сложных систем".

• Проект РФФИ 00-01-00595 «Планирование поведения в динамических системах, основанных на знаниях».

• Комплексная программа научных исследований Президиума РАН «Интеллектуальные компьютерные системы» Проект №2.3. «Инструментальные программные средства динамических интеллектуальных систем».

• Мероприятие 20 «Создание инструментальных средств проектирования интеллектуальных систем на базе суперкомпьютера и разработка на их основе универсальной моделирующей среды» программы Союзного государства «Разработка и освоение в серийном производстве семейства высокопроизводительных вычислительных систем с параллельной архитектурой (суперкомпьютеров) и создание прикладных программно-аппаратных комплексов на их основе» (шифр "СКИФ"), тема № 01.200.111810.

Цель работы

Целью диссертационной работы является исследование существующих методов автоматического синтеза планов, разработка нового эффективного алгоритма интеллектуального планирования и построение на этой основе архитектуры программных средств моделирования целенаправленного поведения в динамических предметных областях со сложной структурой.

Для достижения поставленной цели в работе решаются следующие задачи:

1) разработка языка представления знаний для динамических интеллектуальных систем;

2) разработка алгоритма решения задачи интеллектуального планирования при классических допущениях;

3) разработка архитектуры программных средств моделирования целенаправленного поведения для динамических интеллектуальных систем.

Методы исследования

В работе для проведения исследований были использованы методы математической логики, теории алгоритмов, теории представления знаний, теории экспертных систем, теории интеллектуального планирования, теории управления, теории систем, концепции функционального программирования.

Научная новизна

1. Разработан и исследован новый алгоритм синтеза планов при классических допущениях;

2. Разработан и реализован новый алгоритм моделирования целенаправленного поведения интеллектуальной системы в динамических средах.

Практическая значимость работы

Алгоритм моделирования целенаправленного поведения является составной частью инструментария для создания динамических интеллектуальных систем.

Новый алгоритм синтеза планов при классических допущениях может быть использован для повышения производительности средств моделирования целенаправленного поведения.

Апробация работы

Основные результаты работы докладывались и обсуждались на следующих конференциях и семинарах:

• VII национальная конференция по искусственному интеллекту с международным участием КИИ-2000 в г.Переславль (2000);

• XXVIII международная конференция "Информационные технологии в науке, образовании, телекоммуникации и бизнесе" IT+SE'2001 в г.Гурзуф (2001);

• международный конгресс "Искусственный интеллект в 21 веке" 1САГ2001 в п.Дивноморск (2001)

• семинары Исследовательского центра искусственного интеллекта ИПС РАН (г.Переславль-Залесский).

По теме диссертации опубликовано 6 печатных работ.

Структура и объём работы

Диссертационная работа состоит из введения, трёх глав, заключения и

3.5. Выводы

В главе рассмотрены основные понятия динамических интеллектуальных систем.

Определены понятия состояния и траектории в отсутствии возмущений, понятие устойчивости ДИС, показана тесная связь условий управляемости и архитектуры базы знаний ДИС.

Установлено, что основой моделирования целенаправленного поведения в динамических интеллектуальных системах является формирование и исполнение планов.

Дана постановка задачи моделирования целенаправленного поведения динамических интеллектуальных систем

Реализованы подсистема инструментальные программные средства для разработки динамических интеллектуальных систем, включающие подсистему планирования и моделирования целенаправленного поведения. С помощью инструментария реализовано нёсколько прототипов интеллектуальных систем с целенаправленным поведением.

Заключение

В работе получены следующие результаты:

1. Исследованы существующие подходы к решению задачи планирования при классических допущениях.

2. Разработан новый алгоритм, решающий задачу планирования при классических допущениях. Сформулированы и доказаны теоремы о конечности и полноте алгоритма. В алгоритме использованы две новые техники: техника разрешения конфликтов для синтеза планов и техника выявления бесполезных подпоследовательностей действий, позволяющая редуцировать емкостную сложность алгоритма. Охарактеризован класс задач, которые эффективно решаются алгоритмом.

3. Разработана подсистема планирования и моделирования целенаправленного поведения инструментальных программных средств для разработки динамических интеллектуальных систем.

1. Аверкин А.Н. Нечёткая модель обобщенного решателя проблем // Семиотика и информатика. - 1979. - Вып. 12. - с. 103-108

2. Аверкин А.Н., Гвида Дж., Поспелов Д.А. Сомальвико М. Обобщённые стратегии в решателях проблем // Известия АН СССР. Техническая кибернетика. 1978. - №5. -с.71-83

3. Айзерман М.А. Нечеткие множества, нечеткие доказательства и некоторые нерешенные задачи теории автоматического регулирования // Автоматика и Телемеханика, N 7, с.171-178, 1976

4. Блюмин СЛ., Фараджев Р.Г. Линейные клеточные машины: подход пространства состояний (обзор) // Автоматика и Телемеханика, N 2,125-162,1982

5. Виноградов А.Н. Разработка и исследование моделей и методов построения архитектуры и инструментальных средств для динамических интеллектуальных систем // Диссертация, ИПС РАН, Переславль-Залесский, 2001

6. Горбатенко С.А., Макашов Э.М., Полушкин Ю.Ф., Шефтсль J1.B. Инженерный справочник. Механика полёта (общие сведения, урзинения движения) // М.: Машиностроение, 1969

7. Ежкова И.В. Обобщение схем логического вывода а задачах планирования и диагностики. Диссертация на соискание учёной степени к.ф.-м.н., Москва, МФТИ, 1978,150с.

8. Еремеев А.П., Троицкий В.В. Основные способы формализации временных зависимостей при построении интеллектуальных систем. КИИ-2000. стр.652-661

9. Ефимов Е.И. Решатели интеллектуальных задач. М.:Наука, 1982. - с.320

10. Калман Р., Фалб П., Арбиб М. Очерки по математической теории систем. — М: Мир, -1971.-400с.

11. Ковальски Р. Логика в решении проблем. М.: Наука, 1990. - 280с.

12. Кухтенко А.И. Обзор основных направлений развития общей теории систем // В кн.: Сложные системы управления, с.56-65 Киев, Институт кибернетики АН УССР, 1978

13. Месарович М., Такахара Я. Общая теория систем. Математические основы. — М.: Мир, 1978.-311с.

14. Минский М. Фреймы для представления знаний // М.: Мир, 1979

15. Осипов Г.С. Динамика в системах, основанных на знаниях // Известия Академии Наук. Теория и системы управления, №5, с.24-28, 1998

16. Осипов Г.С. Искусственный интеллект: состояние исследований и несколько слов о будущем // Новости искусственного интеллекта. М.: Анахарсис, 2001. - №1. - с. 313

17. Осипов Г.С., Виноградов А.Н., Динамическое целеполагание в системах, основанных на знаниях // Сборник трудов VII национальной конференции по искусственному интеллекту, с.272-279. М.: Физматлит, 2000

18. Осипов Г.С., Жилякова Л.Ю., Виноградов А.Н. Динамические интеллектуальные системы. Представление знаний и основные алгоритмы. Моделированиецеленаправленного поведения // Известия РАН "Теория и системы управления". -2002.-№6.-с.119-127

19. Осипов Г.С., Лебедева Т.Г. Архитектура и управляемость дискретных динамических систем, основанных на знаниях. // Техническая кибернетика, 2000.

20. Попов Э.В., Фоминых И.Б., Кисель Е.Б., Шапот М.Д. Статические и динамические экспертные системы. М.:Финансы и статистика, 1996. - 320 с.

21. Рабочая группа-18 КНВВТ. Планирование активности робоюв. Труды рабочей группы "Представление знаний в человеко-машинных и робоютехнических системах". Том D. ВЦ АН СССР. ВИНИТИ. - М.: 1984. - с.77-139

22. Разыграев Л.П. Основы управления полётом космических аппаратов и кораблей // М.: Машиностроение, 1977

23. Результаты соревнования алгоритмов планирования IPC 2002 / http://www.cis.strath.ac.uk/~derek/IPC/main.html

24. Стефанюк В Л. Поведение квазистатической оболочки в изменяющейся нечеткой среде // Труды 4-ой национальной конференции по искусственному интеллекту (КИИ-94), т.1 // Рыбинск, 1994, с. 199-203.

25. Тарханов Т.С. Архитектура и ядро комплекса инструментальных программных средств для создания динамических интеллектуальных систем // Программные продукты и системы. — 2003. — №1. — с.9-13

26. Тарханов Т.С. Гибридное представление знаний для динамических интеллектуальных систем // Сборник трудов международного конгресса "Искусственный интеллект в 21 веке", п.Дивноморское, с.272-279, 2001

27. Тарханов Т.С. Интеллектуальная система приобретения знаний // Материалы региональной научно-практической конференции "Компьютерные технологии в науке, экономике и образовании" (CT+SEE'2000) // Махачкала, 2000, с.135-139

28. Тарханов Т.С. Представление знаний в динамических базах знаний для предметных областей со сложной структурой //Труды VII национальной научной конференции с международным участием КИИ-2000 // М., Физматлит, 2000, с.290-298

29. Тельнов Ю.Ф. Интеллектуальные информационные системы в экономике // М.: Синтег, 1999

30. Теория систем. Математические методы и моделирование // Сб.статей под ред. А.Колмогорова, С.Новикова // М: Мир, 1989

31. Трахтман А.М., Трахтман В.А. Основы теории дискретных сигналов на конечных интервалах // Москва, Сов. радио, 1975

32. Фридман И.Г. Алгоритм построения планов в случае взаимодействия целей // III Конференция по искусственному интеллекту (КИИ-92), том 2, с. 104-106

33. Aarup М., Arentoft М., Parrod Y., Stokes I., Vadon H., Stadcr J. Optimum-AIV: A Knowledge-Based Planning and Scheduling System for Spacecraft AIV // Intelligent Scheduling / eds. Zweben M., Fox M.: Morgan Kaufmann, Inc, 1994. c. 451-469

34. Allen J.F., Ferguson G. Actions and events in interval temporal logic // Journal of Logic and Computation, Vol.4(5), c.531-579, 1994

35. Alterman R. Issues in Adaptive Planning // University of California at Berkeley, Institute for Cognitive and Brain Sciences, Technical Report №44, 1986

36. Alur R., Courcoubetis C., Henzinger Т., Ho P-T. Hybrid automata: an algorithmic approach to the specification and analysis of hybrid systems // In Workshop on Theory of Hybrid Systems, Lyndby, Denmark, LNCS, Vol.736, Springer-Verlag, 1993

37. Artale A., Franconi E. Temporal description logics for reasoning about actions and plans // Journal of Artificial Intelligence Research, Vol.9, 1998

38. Bacchus F., Kabanza F. Using Temporal Logic to Control Search in a Forward Chaining Planner // New Directions in Planning, M. Ghallab and A. Milani (Eds.) IOS Press, pages 141-153, 1996.

39. Barrett A., Weld D. Partial-order planning: Evaluating possible efficiency gains. Artificial Intelligence, 67:71-112,1994.

40. Blum A., Furst M. Fast planning through planning graph analysis // Proceedings of the 14th International Joint Conference on Artificial Intelligence (IJCAI 95). - Montreal, Canada. -1995.- c. 1636-1642

41. Bonet В., Geffner H. Planning as heuristic search. // Artificial Intelligence. -2001. http://citeseer.ni.nec.com/bonet01planning.htrnl

42. Brockett R.W. Hybrid models for motion control systems // Essays in Control, c.29-53, BirkMuser, Boston, 1993

43. Bylander T. The computational complexity of propositional STRIPS planning // Artificial Intelligence, 69:161—204,1994. http://citeseer.ni.nec.com/bvlander94computational.html

44. Chapman D. Planning for Conjunctive Goals // Artificial Intelligence. 1987. - №32(3). -c.333-377

45. Doyle P. Planning. // AI Qual Summary, Stanford University, 1997

46. Edelkamp S., Reffel F. Deterministic State Space Planning with BDDs. ECP, 1999, pp 381-382, LNAI, Springer

47. Erol K., Nau D., Subrahmanian V. Complexity, Decidability and Undecidability Results for Domain-Independent Planning. A Detailed Analysis / Технический отчёт Университета Мэрилэнд №CS-TR-2797

48. Erol К., Nau D., Subrahmanian V. On the complexity of domain-independent planning. In Proceedings of the Tenth National Conference on Artificial Intelligence, July 1992.

49. Fikes R.E., Nilsson N.J. STRIPS: a new approach to application of theorem proving to problem solving // Artificial Intelligence 1971,2

50. Gelerntner H. Realization of a Geometry-Theorem Proving Machine. In E.A. Fcigenbaum and J. Feldman eds., Computers* and Thought, New York: McGrawHill, 1959.

51. Gensym corp. G2 Developers Guide.

52. Georgeff M. P., Lansky A. Procedural knowledge // Proceedings IEEE Special Issue on Knowledge Representation, 74 (10), 1986

53. Gerevini A., Serina I. "LPG: a Planner based on Local Search for Planning Graphs", in Proceedings of the Sixth Int. Conference on AI Planning and Scheduling (AIPS'02), AAAI Press, 2002

54. Green C.C. Theorem proving by resolution as a basis for question answering systems. In Bernard Meltzer and Donald Michie, editors // Machine Intelligence, Edinburgh University Press, Edinburgh, Scotland, 1969,4

55. Harel D. Statecharts: a Visual Formalism for Complex Systems. // Sci. Comput. Prog., Vol.8, c.231-274,1987

56. Hoffmann J., Nebel B. The FF planning system: Fast plan generation through heuristic search // Journal of Artificial Intelligence Research, 2001

57. Horn A. On sentences which are true of direct unions of algebras // Journal of Symbolic Logic, 16(1), c.14-21,1951

58. Jardins M.E. A Survey of Research in Distributed, Continual Planning // AI Magazine, Vol.20, №4, c.13-22,1999

59. Joslin D., Pollack M. Is "Early Commitment" in Plan Generation Ever a Good Idea? // Proceedings of the Thirteenth National Conference on Artificial Intelligence. Mcnlo Park, Calif.-1996.-c. 1188-1193

60. Kambhampati S. A. Theory of plan modification // Proceedings AAAI-90, Boston, MA, 1990

61. Kambhampati S. Refinement Planning as a Unifying Framework For Synthesis Plan // AI Magazine, Vol.l 8, №2,1997

62. Kambhampati S., Nigenda R., Nguyen X. AltAlt: Combining the advantages of Graphplan and Heuristic State Search. // ASU Technical Report

63. Kautz H., Selman B. Planning as Satisfiability// Proceedings of the Tenth European Conference on Artificial Intelligence ({ECAI}'92)'\ c.359-363,1992.

64. Kautz H., Selman B. Pushing the Envelope: Planning Propositional Logic and Stochastic Search // Proceedings of the Thirteenth National Conference on Artificial Intelligence. -Menlo Park, Calif. 1996. - с. 1194-1201

65. Koehler J., Nebel В., Hoffmann J., Dimopoulos Y. Extending Planning Graphs to an ADL Subset, ECP-97, pages 273-285, Springer LNAI 1348

66. Kozhushkin A.N. PSI Team // RoboCup 2000: Robot Soccer. World Cup IV. LNCS, Springer, Vol 2019, c. 457-460,2001

67. Kumar V. Algorithms for constraint-satisfaction problems: A survey. // AI Magazine, 13(1):32~44,1992. http://citeseer.ni.nec.com/kumar92algorithms.html

68. Laffey T. J., Cox P. A., Schmidt J. L., Kao S. M., Read J. Y. Real-Time Knowledge Based Systems// AI Magazine, т.9(1), стр.27-45, 1988.

69. Lifschitz V. On the Semantics of STRIPS. In Reasoning About Actions & Plans, Morgan Kaufmann Publishers: San Mateo, CA, 1986

70. Long D., Fox M. Efficient Implementation of the Plan Graph in STAN, Volume 10, pages 87-115, 1999

71. Mackworth A. Consistency in networks of relations, Artificial Intelligence Vol. 8. 1977, 99-118

72. Maler O., Manna Z., Pnueli A. From Timed to Hybrid systems // Real-Time: Theory in Practice, LNCS, Vol.600, c.447-484, Springer-Verlag, 1992

73. McAlIester D., Rosenblit D. Systematic nonlinear planning // Proceedings of AAAI-91, Anaheim, Ca, 1991

74. Тарханов T.C. Семейство алгоритмов автоматического синтеза планов целенаправленного поведения в доменах планирования с обратимостью // Препринт ИПС РАН.—2004

75. McCarthy J. Formalisation of STRIPS in situation calculus // Technical report formal reasoning Group, Dep. of Computer Science, Stanford University, 1985

76. McDermott J. Rl: an expert in a computer system domain // Procedings of National Conference on Artificial Intelligence, c.269-271,1980

77. McDermott, D. A Heuristic Estimator for Means-Ends Analysis in Planning // In Proceedings of the Third International Conference on AI Planning Systems. 1996. -c.142-149. Menlo Park, Calif.: AAAI Press

78. Myers K. Procedural Knowledge Approach to Task-Level Control // Труды 3-ей международной конференции по планированию (ICAPS) //1996.

79. Myers К. User Guide for the Procedural Reasoning System // Technical Report, Artificial Intelligence Center, SRI International, Menlo Park, С A, 1997.

80. Nadel B. Some Applications of the Constraint-Satisfaction Problem / Технический отчёт № CSC-90-008, Computer Science Dept., Wayne State Univ.

81. Nerode A., Kohn W. Models for hybrid systems: automata, topologies, controllability, observability // LNCS vol. 736, Springer, New York, 1993

82. Newell A. The Knowledge Level // Artificial Intelligence, Vol.18, 87-127, 1982

83. Newell A., Shaw J. Programming the logic theory machine // In Proceedings of the Western Joint Computing Conference, c.230-240,1957.

84. Newell A., Simon H. GPS, a program that simulates human thought // Computers and Thought, eds: E.A. Feigenbaum and J. Feldman, McGraw Hill, NY, 1963

85. Nicollin X., Olivero A., Sifalis Y., Yovine S. An Approach to the Description and Analysis of Hybrid Systems // Hybrid Systems, LNCS, Vol.736, c.149-178, Springer-Verlag, 1993

86. Pednault E. ADL and the state-transition model of action // Journal of Logic and Computation. 1994. - № 4(5). - c. 467-512

87. Penberthy S., Weld D. UCPOP: A Sound, Complete, Partial-Order Planner for ADL // Proceedings of the Third International Conference on the Principles of Knowledge Representation. San Francisco, Calif. - 1992. - c. 103-114

88. Quillian M.R. Semantic memory// Semantic Information Processing, c. 227-268, M.I.T.Press, 1968

89. Raphael B. The frame problem in problem solving systems // Artificial Intelligence and Heuristic Programming. -1971, c.159-169. Edinburgh Univ. Press, Edinburgh, Scotland

90. Refanidis I., Vlahavas I. "The GRT Planner: Backward Heuristic Construction in Forward State-Space Planning", Journal of Artificial Intelligence Research, 15 (2001), с. 115-161 (Postscript, gzipped Postscript, PDF, HTML, OnlineAppendix)

91. Robinson J.A. A machine-oriented logic based on the resolution principle // Journal of the ACM, 12(1): 23-41., 1965.

92. Ryle G. The Concept of Mind. // Harmondsworth, UK: Penguin Books, 1949

93. Sacerdoti E.D. Planning in a hierarchy of abstraction spaces // Artificial Intelligence. -1974.-№5.-C.l 15-135

94. Sacerdoti E.D. The nonlinear nature of plans // Proceedings of the Fourth International Joint Conference on Artificial Intelligence (UCAI-75). Tbilisi, Georgia. - 1975. - c.206-214

95. Stoerr H. BDDPlan // http://www.ki.inf.tu-dresden.de/~stoerr/bddplan.html

96. Sussman G. A Computational Model of Skill Acquisition. // PhD thesis, MIT, Cambridge, Massachusetts, August 1973

97. Tate A. Generating Project Networks // Proceedings of the Fifth International Joint Conference on Artificial Intelligence. Menlo Park, California. - 1977. - c.888-893

98. Tate A., Currie K. O-Plan: The Open planning architecture // Artificial Intelligence. •-1991. -№ 52.-C.49-86

99. Tavernini L. Differential automata and their discrete simulators // Non-linear Analysis, Theory, Methods, and Applications, 11(6), c.665-683,1987

100. Veloso M., Blithe J. Linkability: Examining causal link commitments in partial -order planning // Proceedings of AIPS-94,1994

101. Veloso M., Carbonell J. Integrating planning and learning" // Journal of Experimental and Theoretical Artificial Intelligence, Том 7, № 1. 1995 // http://citeseer.nj.nec.com/veloso95integrating.html

102. Weld D, Anderson R., Smith D. Extending Graphplan to Handle Uncertainty & Sensing Actions // In Proceedings of AAAI '98. 1998

103. Weld D., Smith D. Temporal Planning with Mutual Exclusion Reasoning // In Proceedings of the Sixteenth International Joint Conference on Artificial Intelligence. 1999.

104. Wilkins D. Can AI planners solve practical problems? // Computational Intelligence. 1990. - Том 6. -№4. - c.232-246

105. Williams В., Nayak P. A Reactive Planner for a Model-Based Execution // Proceedings of the Fifteenth International Joint Conference on Artificial Intelligence (IJCAI-15). Menlo Park, California, 1997. - c.l 178-1185

106. Winograd T. Frame representations and the dcclarative-procedural controversy // In D. G. Bobrow & A. Collins, Representation and understanding (c. 185-210). Studies in cognitive science. New York: Academic Press, 1975

107. Wooldridge M., Jennings R. Intelligent Agents: Theory and Practice // Knowledge Engineering Review, Vol. 10(2), 1995

108. Yang Q., Tenenberg J.D. ABTWEAK: Abstracting a nonlinear least commitment planner // Proceedings of the Eighth National Conference on Artificial Intelligence. -Boston, MA. -1990. c. 204-209