使用PDDL4J从命令行运行规划器教程
2025-06-06 16:42:41作者:伍希望
PDDL4J是一个强大的规划系统库,提供了多种规划算法实现。本文将详细介绍如何从命令行运行PDDL4J中的各种规划器,帮助用户快速上手使用这些工具解决实际问题。
PDDL4J规划器概述
PDDL4J库目前实现了以下几种主要规划器:
- FF (FastForward) - 基于强制爬山算法和A*搜索,使用J. Hoffmann提出的松弛规划图启发式
- HSP (Heuristic Search Planner) - 基于A*搜索,可与库中任何目标成本启发式函数结合使用
- GSP (Generic Search Planner) - 通用状态空间规划器,可选择搜索策略和启发式函数
- TFD (Total-order Forward Decomposition) - 基于深度优先搜索策略,仅处理全序任务分解
- PFD (Partial-order Forward Decomposition) - 基于深度优先搜索策略,可处理偏序任务分解
FF规划器使用指南
FF规划器结合了强制爬山和A*搜索策略,使用删除松弛启发式方法解决规划问题。
基本命令格式
FF [-hV] [-l=<logLevel>] [-t=<timeout>] [-w=<weight>] <domain> <problem>
参数说明
<domain>: 领域定义文件<problem>: 问题定义文件
可选参数
| 选项 | 描述 |
|---|---|
| -l, --log= | 设置日志级别: ALL, DEBUG, INFO, ERROR, FATAL, OFF, TRACE (默认INFO) |
| -t, --timeout= | 设置超时时间(秒,默认600) |
| -w, --weight= | 设置启发式权重(默认1.0) |
| -h, --help | 显示帮助信息 |
| -V, --version | 显示版本信息 |
使用示例
java -cp pddl4j.jar fr.uga.pddl4j.planners.statespace.FF \
domain.pddl problem.pddl \
-t 1000
此命令启动FF规划器,为搜索分配1000秒时间。
HSP规划器使用指南
HSP是基于A*搜索策略的规划器,支持多种启发式函数。
基本命令格式
HSP [-hV] [-e=<heuristic>] [-l=<logLevel>] [-t=<timeout>] [-w=<weight>] <domain> <problem>
特有参数
-e, --heuristic=<heuristic>: 设置启发式函数,可选值包括:- AJUSTED_SUM, AJUSTED_SUM2, AJUSTED_SUM2M
- COMBO, MAX, FAST_FORWARD
- SET_LEVEL, SUM, SUM_MUTEX (默认FAST_FORWARD)
使用示例
java -cp pddl4j.jar fr.uga.pddl4j.planners.statespace.HSP \
domain.pddl problem.pddl \
-e MAX -w 1.2 -t 600
此命令使用MAX启发式函数,权重1.2,超时时间600秒。
GSP规划器使用指南
GSP是通用搜索规划器,允许自定义搜索策略和启发式函数。
基本命令格式
GSP [-hV] [-e=<heuristic>] [-l=<logLevel>] [-t=<timeout>] [-w=<weight>] [-s [=<strategies>...]]... <domain> <problem>
特有参数
-s, --search-strategies[=<strategies>...]: 设置搜索策略,可选值包括:- ASTAR, ENFORCED_HILL_CLIMBING
- BREADTH_FIRST, GREEDY_BEST_FIRST
- DEPTH_FIRST, HILL_CLIMBING (默认ASTAR)
使用示例
java -cp pddl4j.jar fr.uga.pddl4j.planners.statespace.GSP \
domain.pddl problem.pddl \
-s ENFORCED_HILL_CLIMBING ASTAR \
-e FAST_FORWARD -t 1000
此命令首先尝试ENFORCED_HILL_CLIMBING策略,失败后使用ASTAR策略,启发式函数为FAST_FORWARD,超时1000秒。
TFD规划器使用指南
TFD使用全序前向分解策略解决层次任务网络(HTN)规划问题。
基本命令格式
TFD [-hiV] [-l=<logLevel>] [-t=<timeout>] <domain> <problem>
特有参数
-i, --interactive: 启用交互模式用于调试
使用示例
java -cp pddl4j.jar fr.uga.pddl4j.planners.htn.stn.TFD \
domain.hddl problem.hddl \
-t 600
此命令启动TFD规划器,超时时间600秒。
PFD规划器使用指南
PFD使用偏序前向分解策略解决HTN规划问题。
基本命令格式
PFD [-hiV] [-l=<logLevel>] [-t=<timeout>] <domain> <problem>
参数与TFD相同,但处理的是偏序任务分解。
实用技巧
- 日志级别选择:调试时使用DEBUG或TRACE级别,生产环境使用INFO或ERROR
- 超时设置:复杂问题可适当增加超时时间
- 启发式选择:不同问题适合不同启发式,可多尝试几种
- 交互模式:TFD和PFD的交互模式(-i)有助于理解任务分解过程
通过以上介绍,您应该已经掌握了使用PDDL4J从命令行运行各种规划器的基本方法。根据具体问题特点选择合适的规划器和参数配置,可以更高效地解决规划问题。
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0138- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniCPM-V-4.6这是 MiniCPM-V 系列有史以来效率与性能平衡最佳的模型。它以仅 1.3B 的参数规模,实现了性能与效率的双重突破,在全球同尺寸模型中登顶,全面超越了阿里 Qwen3.5-0.8B 与谷歌 Gemma4-E2B-it。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
MusicFreeDesktop插件化、定制化、无广告的免费音乐播放器TypeScript00
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
726
4.66 K
Ascend Extension for PyTorch
Python
597
750
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.09 K
610
deepin linux kernel
C
29
16
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
997
138
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
427
377
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
992
986
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.65 K
970
暂无简介
Dart
969
246
昇腾LLM分布式训练框架
Python
161
190