人工智能 - 智能代理，清潔和塗料

Question

我記得當我在大學時，我們遇到了一個問題，那裏有一個智能代理，在一個方格的網格上，它必須清理廣場。它被授予清潔點。它也被扣除移動點。它必須時不時加油，最後根據網格上有多少個方格髒或乾淨得到最終分數。

我試圖研究這個問題，因爲當我在大學看到它的時候它非常有趣，但是我找不到任何關於維基百科或任何在線的地方。你知道關於這個問題的具體名稱嗎？或者，也許這只是我的老師爲這堂課提出的問題。

我正在尋找AI清潔劑和類似的東西，但我沒有找到任何東西。我不知道，我想也許它有一些其他的名字。

如果你知道我在哪裏可以找到關於這個問題的更多信息，我將不勝感激。謝謝。

Answer 1

這個問題讓我想起了this。作爲遺傳算法的一個例子，在書Complexity中簡要提及了類似的問題。這些版本雖然簡化，但沒有考慮燃料消耗。

Answer 2

也許一個「sti」「的方法與你的問題密切相關。有一個起點here，你可以在google scholar上搜索「死亡螞蟻」和「機器人」。

基本上：而不是建模一個精確的策略，你工作的概率方法。螞蟻（可能）按照一個簡單的規則堆積它們的死物，例如「如果那裏有一堆死螞蟻，我把這個屍體帶到這裏;否則，我會堆一堆」。你可以從簡化你的「清理」情況開始，看看你走到哪裏。

• 「乾淨」的端部數目瓷磚
• 的：

  另外，我覺得（？另一個）合適的方法可以與使用的健身功能，諸如仔細選擇組合的遺傳算法來建模由機器人

當然

如果機器人「模具」出來的飢餓，它會自動從基因庫，一拉達爾文獎:)

刪除自身取得的步數

你可以從建模一個非常非常簡單的基因型開始，這個基因型將被「計算」成一個行爲。考慮使用一個簡單的遺傳算法，如Inman Harvey的this one，然後給每個基因分配一個策略的一部分，或者一個完整的行爲。例如：如果基因A變成1，那麼機器人將嘗試隨機漫遊;如果基因B也變爲1，那麼它將優先自我充電，除非在距離X處有髒的瓷磚。或者使用浮動和模型概率。你的里程可能會有所不同，但我可以保證它會很有趣:)

Answer 3

問題是令人聯想到Shakey，雖然有清洗涉及（這就像Roomba - 一個設備，也可以編程來執行這些非常任務） 。

如果「問題空間」（或房間）足夠小，則可以使用簡單的基於A *的搜索來解決最佳解決方案，但可能不會，因爲這樣做不會很好有趣的問題。

這裏使用遺傳算法建議的機器學習方法是一種有趣的方法。考慮到問題領域，你只會有一個「規則」（一個move-to動作，因爲clean可以通過隱式清理任何你移動到的方塊來消除），所以你的學習者本質上將學習如何在環境中移動。問題在於建立一個適合任何特定平面圖的學習者，而不是僅僅精通清理一個非常具體的空間。

無論採取什麼方法，如果問題集足夠大，我還會考慮進行進一步的元推理步驟，並使用分區方法將地板劃分爲不同的區域，然後逐個征服它們。

您可以使用技術創建數據以使用「脫機」嗎？在那種情況下，我甚至會考慮創建一個最佳路線的「數據庫」，以清除某些包括所有可能的開始和結束方格的地板空間（1x1，例如5x5）。這類似於遊戲AI在達到一定深度時有效「解決」遊戲的「遊戲數據庫」（c.f.​​）。