Técnicas de optimización para el proceso de grounding en planning clásico

Autores
Bustos, Facundo José
Año de publicación
2020
Idioma
español castellano
Tipo de recurso
tesis doctoral
Estado
versión publicada
Colaborador/a o director/a de tesis
Areces, Carlos Eduardo
Domínguez, Martín Ariel
Descripción
Tesis (Doctor en Ciencias de la Computación)--Universidad Nacional de Córdoba, Facultad de Matemática, Astronomía, Física y Computación, 2020.
Fil: Bustos, Facundo José. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía, Física y Computación; Argentina.
La planificación automática, o simplemente Planning es una de las áreas más antiguas y centrales dentro de la Inteligencia Artificial. En ella, se estudia la generación automática de acciones por parte de agentes inteligentes con el objetivo de alcanzar una meta a partir de una situación inicial. Los planificadores son algoritmos que computan el comportamiento de los agentes a partir de una descripción detallada de los mismos y su entorno. La generación de acciones, desde un modelo, es en general, un problema intratable. Por lo tanto, el desafío central en el área de planning es el nivel de escalabilidad. Los diferentes métodos de planning, explotan la estructura interna del problema. En particular, los planificadores modernos, trabajan en una representación de bajo nivel de abstracción. Esta representación es computada a partir de una representación de más alto nivel, mediante un proceso que se conoce como "proceso de grounding", el cual, se realiza previamente a la búsqueda de una solución del problema. El proceso de grounding, ha demostrado ser un obstáculo importante, sobre todo en aquellos problemas, donde la dimensión de la representación de bajo nivel agota los recursos computacionales, ya sea, tiempo y/o memoria disponibles en el planificador. En este trabajo se presentan dos técnicas que pretenden optimizar el resultado del proceso de grounding, que llevan a cabo los planificadores, con el fin de conseguir una representación de bajo nivel más eficiente del problema.
Fil: Bustos, Facundo José. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía, Física y Computación; Argentina.
Materia
Metodologías informáticas
Inteligencia artificial
Planificación y programación
Optimización
Planificadores
Splitting
Grounding
Computing methodologies
Artificial intelligence
Planning and Scheduling
Nivel de accesibilidad
acceso abierto
Condiciones de uso
Repositorio
Repositorio Digital Universitario (UNC)
Institución
Universidad Nacional de Córdoba
OAI Identificador
oai:rdu.unc.edu.ar:11086/27941

id RDUUNC_4c6d064fa2a4ec7dc803070b7e0a795a
oai_identifier_str oai:rdu.unc.edu.ar:11086/27941
network_acronym_str RDUUNC
repository_id_str 2572
network_name_str Repositorio Digital Universitario (UNC)
spelling Técnicas de optimización para el proceso de grounding en planning clásicoBustos, Facundo JoséMetodologías informáticasInteligencia artificialPlanificación y programaciónOptimizaciónPlanificadoresSplittingGroundingComputing methodologiesArtificial intelligencePlanning and SchedulingTesis (Doctor en Ciencias de la Computación)--Universidad Nacional de Córdoba, Facultad de Matemática, Astronomía, Física y Computación, 2020.Fil: Bustos, Facundo José. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía, Física y Computación; Argentina.La planificación automática, o simplemente Planning es una de las áreas más antiguas y centrales dentro de la Inteligencia Artificial. En ella, se estudia la generación automática de acciones por parte de agentes inteligentes con el objetivo de alcanzar una meta a partir de una situación inicial. Los planificadores son algoritmos que computan el comportamiento de los agentes a partir de una descripción detallada de los mismos y su entorno. La generación de acciones, desde un modelo, es en general, un problema intratable. Por lo tanto, el desafío central en el área de planning es el nivel de escalabilidad. Los diferentes métodos de planning, explotan la estructura interna del problema. En particular, los planificadores modernos, trabajan en una representación de bajo nivel de abstracción. Esta representación es computada a partir de una representación de más alto nivel, mediante un proceso que se conoce como "proceso de grounding", el cual, se realiza previamente a la búsqueda de una solución del problema. El proceso de grounding, ha demostrado ser un obstáculo importante, sobre todo en aquellos problemas, donde la dimensión de la representación de bajo nivel agota los recursos computacionales, ya sea, tiempo y/o memoria disponibles en el planificador. En este trabajo se presentan dos técnicas que pretenden optimizar el resultado del proceso de grounding, que llevan a cabo los planificadores, con el fin de conseguir una representación de bajo nivel más eficiente del problema.Fil: Bustos, Facundo José. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía, Física y Computación; Argentina.Areces, Carlos EduardoDomínguez, Martín Ariel2020-05info:eu-repo/semantics/doctoralThesisinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_db06info:ar-repo/semantics/tesisDoctoralapplication/pdfhttp://hdl.handle.net/11086/27941spainfo:eu-repo/semantics/openAccessreponame:Repositorio Digital Universitario (UNC)instname:Universidad Nacional de Córdobainstacron:UNC2025-09-04T12:31:57Zoai:rdu.unc.edu.ar:11086/27941Institucionalhttps://rdu.unc.edu.ar/Universidad públicaNo correspondehttp://rdu.unc.edu.ar/oai/snrdoca.unc@gmail.comArgentinaNo correspondeNo correspondeNo correspondeopendoar:25722025-09-04 12:31:58.201Repositorio Digital Universitario (UNC) - Universidad Nacional de Córdobafalse
dc.title.none.fl_str_mv Técnicas de optimización para el proceso de grounding en planning clásico
title Técnicas de optimización para el proceso de grounding en planning clásico
spellingShingle Técnicas de optimización para el proceso de grounding en planning clásico
Bustos, Facundo José
Metodologías informáticas
Inteligencia artificial
Planificación y programación
Optimización
Planificadores
Splitting
Grounding
Computing methodologies
Artificial intelligence
Planning and Scheduling
title_short Técnicas de optimización para el proceso de grounding en planning clásico
title_full Técnicas de optimización para el proceso de grounding en planning clásico
title_fullStr Técnicas de optimización para el proceso de grounding en planning clásico
title_full_unstemmed Técnicas de optimización para el proceso de grounding en planning clásico
title_sort Técnicas de optimización para el proceso de grounding en planning clásico
dc.creator.none.fl_str_mv Bustos, Facundo José
author Bustos, Facundo José
author_facet Bustos, Facundo José
author_role author
dc.contributor.none.fl_str_mv Areces, Carlos Eduardo
Domínguez, Martín Ariel
dc.subject.none.fl_str_mv Metodologías informáticas
Inteligencia artificial
Planificación y programación
Optimización
Planificadores
Splitting
Grounding
Computing methodologies
Artificial intelligence
Planning and Scheduling
topic Metodologías informáticas
Inteligencia artificial
Planificación y programación
Optimización
Planificadores
Splitting
Grounding
Computing methodologies
Artificial intelligence
Planning and Scheduling
dc.description.none.fl_txt_mv Tesis (Doctor en Ciencias de la Computación)--Universidad Nacional de Córdoba, Facultad de Matemática, Astronomía, Física y Computación, 2020.
Fil: Bustos, Facundo José. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía, Física y Computación; Argentina.
La planificación automática, o simplemente Planning es una de las áreas más antiguas y centrales dentro de la Inteligencia Artificial. En ella, se estudia la generación automática de acciones por parte de agentes inteligentes con el objetivo de alcanzar una meta a partir de una situación inicial. Los planificadores son algoritmos que computan el comportamiento de los agentes a partir de una descripción detallada de los mismos y su entorno. La generación de acciones, desde un modelo, es en general, un problema intratable. Por lo tanto, el desafío central en el área de planning es el nivel de escalabilidad. Los diferentes métodos de planning, explotan la estructura interna del problema. En particular, los planificadores modernos, trabajan en una representación de bajo nivel de abstracción. Esta representación es computada a partir de una representación de más alto nivel, mediante un proceso que se conoce como "proceso de grounding", el cual, se realiza previamente a la búsqueda de una solución del problema. El proceso de grounding, ha demostrado ser un obstáculo importante, sobre todo en aquellos problemas, donde la dimensión de la representación de bajo nivel agota los recursos computacionales, ya sea, tiempo y/o memoria disponibles en el planificador. En este trabajo se presentan dos técnicas que pretenden optimizar el resultado del proceso de grounding, que llevan a cabo los planificadores, con el fin de conseguir una representación de bajo nivel más eficiente del problema.
Fil: Bustos, Facundo José. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía, Física y Computación; Argentina.
description Tesis (Doctor en Ciencias de la Computación)--Universidad Nacional de Córdoba, Facultad de Matemática, Astronomía, Física y Computación, 2020.
publishDate 2020
dc.date.none.fl_str_mv 2020-05
dc.type.none.fl_str_mv info:eu-repo/semantics/doctoralThesis
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_db06
info:ar-repo/semantics/tesisDoctoral
format doctoralThesis
status_str publishedVersion
dc.identifier.none.fl_str_mv http://hdl.handle.net/11086/27941
url http://hdl.handle.net/11086/27941
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositorio Digital Universitario (UNC)
instname:Universidad Nacional de Córdoba
instacron:UNC
reponame_str Repositorio Digital Universitario (UNC)
collection Repositorio Digital Universitario (UNC)
instname_str Universidad Nacional de Córdoba
instacron_str UNC
institution UNC
repository.name.fl_str_mv Repositorio Digital Universitario (UNC) - Universidad Nacional de Córdoba
repository.mail.fl_str_mv oca.unc@gmail.com
_version_ 1842349627107442688
score 13.13397