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
- Institución
- Universidad Nacional de Córdoba
- OAI Identificador
- oai:rdu.unc.edu.ar:11086/27941
Ver los metadatos del registro completo
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 |