首页
/ 使用PDDL4J从命令行运行规划器教程

使用PDDL4J从命令行运行规划器教程

2025-06-06 13:09:05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:

  1. 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
  2. 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
  3. 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
  4. TFD (Total-order Forward Decomposition) - 基于深度优先搜索策略,仅处理全序任务分解
  5. 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

  1. 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
  2. 超时设置:复杂问题可适当增加超时时间
  3. 启发式选择:不同问题适合不同启发式,可多尝试几种
  4. 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

热门内容推荐

最新内容推荐

项目优选

收起
kernelkernel
deepin linux kernel
C
22
6
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
153
1.98 K
ops-mathops-math
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++
505
42
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
194
279
openHiTLSopenHiTLS
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
992
395
RuoYi-Vue3RuoYi-Vue3
🎉 (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
938
554
communitycommunity
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
332
11
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
146
191
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Python
75
70