Extendiendo graphplan con técnicas de aprendizaje

Abstract

Planificar eficientemente requiere de heurísticas de búsqueda específicas a cada dominio de planificación. Sin embargo, construir heurísticas apropiadas para cada nuevo dominio es una tarea difícil. Una alternativa es utilizar técnicas de aprendizaje para adquirir conocimiento automáticamente que permita guiar la búsqueda y mejorar la performance del planificador. Graphplan es uno de los planificadores de propósito general más promisorios, sin embargo, la técnica de planificación que utiliza es simplemente una búsqueda sobre el grafo de planificación. El propósito de esta línea de investigación es mejorar la performance de Graphplan mediante la utilización de técnicas de aprendizaje. La idea básica es extender el algoritmo de Graphplan de forma tal que durante la resolución de un problema de planificación genere conocimiento (experiencia) que podrá ser utilizado para resolver nuevos problemas del mismo dominio de planificación. El conocimiento generado podría ser utilizado para mejorar el algoritmo de Graphplan en dos aspectos: en la fase de expansión del grafo y en la elecci´on de acciones en la fase de búsqueda del plan.