实现家庭服务机器人中文指令解析问题研究

为了实现家庭服务机器人在无人干预的情况下自主地执行中文指令中蕴涵的服务任务,提出一种基于回答集的中文指令任务规划方法,将组块标注和回答集编程(answer set programming,ASP)应用于家庭服务机器人任务规划。首先通过组块标注对中文指令进行预处理,然后根据转换规则将关键信息转换为谓词集,并将它转写成ASP规则。此外,给出中文服务指令处理的各个环节的实验结果,并结合实例展示从谓词集到机器人可以执行的动作序列的映射过程。最后,通过合并部分原子动作的方式对回答集进行改进,提高了求解效率,并在任务规划时加入了成本规划,确认求得最优动作序列,该方法对促进自然人-机器人交互技术的发展有重要的意义。     

基于回答集程序的排课系统设计与实现

排课问题是典型的组合优化和NP完全问题.一个好的排课系统既需要能高效地求解排课同题,也需要能提供灵活的定义各种用户约束的方式,但现有的排课系统通常不能同时兼顾这两点.通过实现一个基于回答集程序的排课系统,较好地解决了这一问题.系统的前端接受用户的各种约束条件,并将其转换为回答集程序,后端调用回答集求解器实现排课问题的求解.实验表明,这种实现方式能适应排课条件的变化,具有灵活和可扩展的特点,并在可接受的时间内能排出教师满意度较高的课表.     

非一致OWL本体的推理方法研究

针对目前OWL推理机无法在非一致本体上进行推理的问题,提出了一种基于回答集程序的非一致本体推理方式,将OWL本体翻译为一类逻辑程序：HEX回答集程序,把本体推理问题规约为回答集程序求解问题。并通过在非一致本体上的推理实验,验证了该类方法的有效性。     

基于回答集程序的Slater选举求解方法

Slater选举是最优化问题,也是NP-hard问题,此类问题一般被认为不存在多项式时间的算法。考虑到其求解的复杂度与回答集求解的复杂度是一致的,为此,提出一种利用回答集程序（Answer Set Programming, ASP）求解Slater选举的新方法。首先,使用饱和技术为Slater选举建立逻辑上等价的ASP模型;其次,对模型进行正确性证明;最后,调用回答集求解器DLV求解Slater选举的具体实例,并在实验结果中说明其可行性。该方法不仅可求解Slater选举问题,而且在ASP中所使用的饱和技术还为其他同类的最优化问题提供了一种新的逻辑表示途径。     

一种改进的回答集程序更新方法

回答集程序设计是一种描述性的程序设计范例,目前已经成为知识表示和推理的一个有力工具。在实际应用中,知识库中的信息可能发生动态改变,因此需要及时对知识进行更新。通过回答集程序的更新可以实现知识库的更新,并确保更新结果的一致性。J.P.Delgrande的程序修正方法可以实现回答集程序的更新,然而该方法中存在对原程序过度修正的问题。针对该问题,提出一种新的方法来更新回答集程序,该方法通过引入优先级和惯性规则的机制,实现了回答集程序的更新。实验结果表明,该方法克服了过度修正的问题,效果良好。最后,以一个实例说明了该方法的应用。     

Research on Inconsistency Problem in (┓)RDF Reasoning

(┓)RDF在RDF中引入经典否定和推理,以增强RDF的表达和推理能力,但经典否定会使程序出现不一致情况,导致程序无解.为此,提出一种基于加权回答集程序的加权(┓)RDF((┓) WRDF)推理方法.借鉴加权回答集思想,通过加权回答集程序对(┓)WRDF进行推理,给出其应用实例.实例应用结果表明,该方法使得程序在不一致的情况下,仍然可以得到最接近用户需求的解.     

从经典逻辑知识构建ASP知识库的新方法

回答集程序设计(ASP)是一种主流的非单调知识表示工具。为了能够在利用ASP求解问题过程中使用现有的以经典逻辑表示的知识,给出了一种把以谓词逻辑公式表示的约束型知识和定义型知识转化为ASP程序或知识库的新方法,并以实例说明了其有效性。该方法满足转化后ASP程序的回答集与原公式集的模型具有一一对应关系。在实际应用中,该方法提供了一项从现存的以谓词逻辑为表示语言的知识库,构建以ASP为知识表示语言的非单调知识库的技术。     

智能空间中的冲突问题研究

智能空间和回答集程序的整合解决了智能空间中固定优先关系下的资源冲突问题。然而,智能空间处在一个上下文敏感的、动态的环境中,信息更新以及环境变化都会导致资源分配的顺序重新发生变化,从而产生新的冲突问题。针对该问题,基于回答集程序提出一种动态优先的方法。首先,引入缺省规则并利用缺省决策理论动态决策智能空间中的优先关系;然后,使用回答集程序表达空间中的动态优先关系;最后,求解回答集程序得到冲突问题的解。实验结果表明,该方法可以动态决策空间中的优先关系,有效解决空间中的冲突问题,对空间中的资源实现合理分配。     

一个带破圈启发方法的回答集编程系统

回答集编程(answer set programming,ASP)是一种回答集语义下的逻辑编程范例,可应用于非单调推理,叙述式问题求解等领域.本文为ASP提出并实现了一种破圈启发方法与一种基部限制式前向搜索过程,所得到的系统称为LPS.实验结果显示,相对于其他经典的ASP系统,LPS能够有效地解决处于相变难区域中的逻辑程序,通常这些程序被认为是计算困难的.除此以外,通过使用被称为动态变元过滤(dynamic variable filtering,DVF)的技术,LPS可以在计算过程中极大地缩小搜索树的尺寸.     

￢RDF推理中不一致问题研究

￢RDF在RDF中引入经典否定和推理,以增强RDF的表达和推理能力,但经典否定会使程序出现不一致情况,导致程序无解。为此,提出一种基于加权回答集程序的加权￢RDF(￢WRDF)推理方法。借鉴加权回答集思想,通过加权回答集程序对￢WRDF进行推理,给出其应用实例。实例应用结果表明,该方法使得程序在不一致的情况下,仍然可以得到最接近用户需求的解。     

基于回答集程序的冲突问题研究

Smart M3是一个实现智能空间的交互平台,它允许软件实体和设备共享语义信息.在Smart M3中使用ASP可以处理固定偏好关系下的资源分配和冲突问题.然而在现实生活中,信息更新却会改变原有的资源分配顺序,从而引起新的冲突.为了处理这个问题,提出使用动态优先关系的方法解决该问题.将动态优先关系使用加权逻辑程序表示,然后求解程序得到回答集,该回答集就是冲突问题的解决方案.最后,以一个实例说明了该方法的应用.     

基于ASP的智能空间中上下文感知问题的研究

智能空间和回答集程序ASP的整合解决了智能空间中固定优先关系下的资源冲突问题。然而,智能空间是一个上下文敏感的、动态的环境,随着用户在空间中行为的改变,空间中的信息和服务也要发生动态的变化。原有的基于本体的上下文感知框架仅能实现不同本体信息的推理,而没有考虑环境信息对于上下文感知的影响。为此,基于回答集程序提出一种智能空间中的上下文感知框架,动态感知用户的上下文本体以及环境信息,完成用户在空间中的上下文动态推理。首先,使用本体描述用户的上下文信息;然后使用回答集程序表达上下文推理规则,并引入缺省规则依据本体信息以及环境信息动态决策上下文响应的优先关系;最后,求得回答集程序的解,即为用户上下文事件的决策结果,从而帮助用户实现智能推理。实验结果表明,该框架可以动态决策空间中的优先关系,有效实现空间中的上下文推理。     

面向智能服务机器人任务规划的行动语言扩展

针对智能服务机器人的任务规划,引入复合行动对行动语言C+进行了扩展,并实现了其求解系统.在扩展的行动语言C+中,复合行动被定义成一定条件下一系列基本行动的连续执行.通过刻画扩展的行动描述和其对应的转移系统的关系,证明了扩展行动语言相对于原始行动语言的可靠性和完备性.在智能服务机器人的任务规划中,复合行动可以看成是一种对于机器人能力的“高层”抽象.这样的扩展使得对于机器人规划系统的建模更加直观,具有更大的灵活性,并且扩展有增量式的优点.实验结果表明,通过引入复合行动,对于比较复杂的机器人任务规划问题,可以很好地改进求解效率.     

带函数析取逻辑程序的无基集及其应用

基于回答集（也称稳定模型）语义的带函数析取逻辑程序是一种重要的知识表示和推理方法。由于判定一个析取逻辑程序是否有回答集是困难的（Σ2完全的）,目前还没有有效的方法来计算带函数析取逻辑程序的回答集,主要原因之一是检查一个集合是否是回答集是coNP完全的。提出了带函数析取逻辑程序无基集（unfounded sets）的概念,发现了空无基集（unfounded-free sets）与稳定模型之间的一一对应关系,在此基础上,证明了一个逻辑程序的模型是该程序的稳定模型当且仅当它们对应的一个命题公式是不可满足的,从而在理论上为计算带函数析取逻辑程序的回答集提供了一种有效的途径。     

导弹运动方程求解策略研究

研究导弹求解优化问题,针对提高弹道仿真程序的适用性,研究了导弹运动方程的自动求解问题.鉴于目前大多数弹道仿真程序或软件都是针对特定对象编制的,缺乏通用性和移植性,根据导弹运动方程特点,提出一种关于非线性方程组的自适应求解策略.算法以4类参数集描述导弹运动方程,通过自动排列方程求解顺序并对其求解,实现了导弹运动方程求解的自动化.仿真结果表明,改进方法可较好适应于各类弹道仿真计算,对提高弹道程序通用性具有重要意义.     

基于回答集编程的Banks选举求解方法

采用启发式算法的Banks选举在进行求解时执行效率较低。为解决该问题,提出一种基于回答集编程(ASP)的求解方法。通过建立Banks选举问题到ASP问题的映射,编写相对应的ASP,调用回答集求解器进行求解,得到的每一个ASP模型就是Banks选举问题的一个解。实验结果表明,当问题规模为200时,该方法的求解时间为4.196 s,求解效率高于手工启发式方法。     

3-RRRT并联机器人位置正向求解研究

研究一种3-RRRT型并联机器人机构的运动学正向求解方法。根据3-RRRT型并联机器人机构特点以及关节运动的取值范围,提出了以并联机器人支链中支杆的方向余弦和动平台绝对位置坐标为系统的广义坐标的方法,并详细地推导了3-RRRT型并联机器人运动学模型,通过进一步消除中间变量的方法最终获得了易于正、逆运动学求解的只包含3个驱动关节坐标与动平台3个绝对位置坐标的约束方程组。最后,运用基于Moore—Penwse广义逆的牛顿迭代格式编制了MATLAB运动学正向求解程序,并进行了运动学正向求解数值仿真,结果表明求解程序快速有效。     

基于MiniSAT的命题极小模型计算方法

计算命题公式的极小模型在人工智能推理系统中是一项必不可少的任务.然而,即使是正CNF(conjunctive normal form)公式,其极小模型的计算和验证都不是易处理的.当前,计算CNF公式极小模型的主要方法之一是将其转换为析取逻辑程序后用回答集程序(answer set programming,ASP)求解器计算其稳定模型/回答集.针对计算CNF公式的极小模型的问题,提出一种基于可满足性问题(satisfiability problem,SAT)求解器的计算极小模型的方法MMSAT;然后结合最近基于极小归约的极小模型验证算法CheckMinMR,提出了基于极小模型分解的计算极小模型方法MRSAT;最后对随机生成的大量的3CNF公式和SAT国际竞赛上的部分工业基准测试用例进行测试.实验结果表明:MMSAT和MRSAT对随机3CNF公式和SAT工业测试用例都是有效的,且计算极小模型的速度都明显快于最新版的clingo,并且在SAT工业实例上发现了 clingo有计算出错的情况,而MMSAT和MRSAT则更稳定.     

析取回答集程序设计结构化测试方法

针对析取回答集程序的结构化测试基础理论匮乏的问题,系统化地提出析取回答集程序结构化测试覆盖的概念。首先,定义针对析取回答集程序的测试用例,确立析取回答集程序的主要测试实体为程序中的逻辑规则;其次,通过对规则的头、规则的体、规则的集合等不同测试目标构建了规则覆盖、定义覆盖、环覆盖等基本概念来模拟结构化测试中的语句覆盖、分支覆盖等概念;最后,提出了析取回答集程序的测试覆盖率计算公式,并举例说明各种覆盖下的覆盖率计算方法,并讨论了析取回答集程序的部分特殊性质和关键指标。     

约束条件下的巡线机器人逆运动学求解

高压输电线路巡检机器人是一种多关节悬挂运动机构,要实现其运动控制就需要根据机器人的本身机构特点和悬挂系统的运动约束条件进行运动学分析.本文利用微分扭转法对巡线机器人的正向运动学进行了求解,并通过对机器人悬挂系统的力学分析,得到了机器人运动学的约束条件,并在这种约束条件下,采用了一种可用来进行实时控制的迭代循环坐标下降(CCD)算法,来进行机器人的逆运动学求解.这种迭代算法对于有运动约束系统的逆运动学求解具有较强的适用性,而且它具有较好的收敛性和有效性,适合于在线计算,便于巡线机器人的实时运动控制.