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
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
jiuwenclawJiuwenClaw 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0220- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
AtomGit城市坐标计划AtomGit 城市坐标计划开启!让开源有坐标,让城市有星火。致力于与城市合伙人共同构建并长期运营一个健康、活跃的本地开发者生态。01
AntSK基于.Net9 + AntBlazor + SemanticKernel 和KernelMemory 打造的AI知识库/智能体,支持本地离线AI大模型。可以不联网离线运行。支持aspire观测应用数据CSS01
项目优选
收起
deepin linux kernel
C
27
13
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
626
4.12 K
Ascend Extension for PyTorch
Python
464
554
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++
930
801
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
69
21
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
114
181
暂无简介
Dart
870
207
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
130
189
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
1.43 K
378
昇腾LLM分布式训练框架
Python
136
160