Extendiendo graphplan con técnicas de aprendizaje

Autores
García, Diego R.; García, Alejandro Javier
Año de publicación
2003
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
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.
Eje: Inteligencia artificial
Red de Universidades con Carreras en Informática (RedUNCI)
Materia
Ciencias Informáticas
Graphplan
ARTIFICIAL INTELLIGENCE
Técnicas de Aprendizaje
Learning
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/21441
Acceder
id SEDICI_46024b867272fba291c67ada4bca2848
oai_identifier_str oai:sedici.unlp.edu.ar:10915/21441
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Extendiendo graphplan con técnicas de aprendizajeGarcía, Diego R.García, Alejandro JavierCiencias InformáticasGraphplanARTIFICIAL INTELLIGENCETécnicas de AprendizajeLearningPlanificar 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.Eje: Inteligencia artificialRed de Universidades con Carreras en Informática (RedUNCI)2003-05info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf232-235http://sedici.unlp.edu.ar/handle/10915/21441spainfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/2.5/ar/Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-10-22T16:36:13Zoai:sedici.unlp.edu.ar:10915/21441Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-10-22 16:36:13.5SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Extendiendo graphplan con técnicas de aprendizaje
title Extendiendo graphplan con técnicas de aprendizaje
spellingShingle Extendiendo graphplan con técnicas de aprendizaje
García, Diego R.
Ciencias Informáticas
Graphplan
ARTIFICIAL INTELLIGENCE
Técnicas de Aprendizaje
Learning
title_short Extendiendo graphplan con técnicas de aprendizaje
title_full Extendiendo graphplan con técnicas de aprendizaje
title_fullStr Extendiendo graphplan con técnicas de aprendizaje
title_full_unstemmed Extendiendo graphplan con técnicas de aprendizaje
title_sort Extendiendo graphplan con técnicas de aprendizaje
dc.creator.none.fl_str_mv García, Diego R.
García, Alejandro Javier
author García, Diego R.
author_facet García, Diego R.
García, Alejandro Javier
author_role author
author2 García, Alejandro Javier
author2_role author
dc.subject.none.fl_str_mv Ciencias Informáticas
Graphplan
ARTIFICIAL INTELLIGENCE
Técnicas de Aprendizaje
Learning
topic Ciencias Informáticas
Graphplan
ARTIFICIAL INTELLIGENCE
Técnicas de Aprendizaje
Learning
dc.description.none.fl_txt_mv 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.
Eje: Inteligencia artificial
Red de Universidades con Carreras en Informática (RedUNCI)
description 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.
publishDate 2003
dc.date.none.fl_str_mv 2003-05
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/21441
url http://sedici.unlp.edu.ar/handle/10915/21441
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)
dc.format.none.fl_str_mv application/pdf
232-235
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1846782815060885504
score 12.982451

Publicaciones similares