敌意规划的应对规划

论文摘要

规划是自动问题求解的特例,是人工智能研究的重要子领域。人工智能主要研究用人工的方法和技术来模仿、延伸及扩展人的智能,从而实现机器智能。特别令人关心的是,智能系统怎样推断出适当的目标,然后构造试图达到目标的动作序列,这个过程常称为规划(planning)。智能规划(intelligent plan)和规划识别(plan recognition)是一个涵盖知识表达、知识推理、非单调逻辑、人机交互和认知科学等方面的多领域交叉性学科,其发展不仅对于人工智能领域具有重要的意义,甚至会从根本上改变我们使用计算机的传统方式。受生物学应激反应、学习与记忆的神经生物学、神经元细胞和分子生物学的启发,本文对敌意规划的应对规划所做的研究工作如下:1.敌意规划的应对规划模型:给出应激反应的概念,构建了应激反应系统模型,研究了应激计算算法。此模型及其相关算法使得敌意规划的应对规划可以像生物学的应激反应一样迅速做出反应。2.应对规划的启动机制:给出应对规划启动标志位的概念,使规划识别器(规划识别系统)能根据观察到对方部分的、离散的动作(网络攻击动作),识别出对方完整的敌意规划和攻击目标,并且能据此对对方的后继攻击动作进行推断与预报。3.应对规划的解搜索:将现实世界空间引入动力系统中,建立粗动力系统。以粗动力系统对所有可能状态进行规划解搜索。4.应对规划库的建立:为了使应对规划对已识别过的敌意规划具有永久抵抗的能力,本文模拟人的主要学习记忆神经回路,以神经元群为独立单元构建分布式神经网络,以神经元群的刺激水平值作为学习记忆的传导信号。5.本文采用突变理论建立应激突变函数,给出了一类敌意规划即由多个非敌意的琐碎动作累加成敌意攻击的敌意规划的应对规划。本文的研究重点是生物学、生理学、细胞分子生物学等学科和计算机科学、网络与通信等学科的交叉融合,将其运用到敌意规划的应对规划的系统研究中。用人工智能和智能规划的技术模拟生物学应激反应、学习和记忆神经回路,可使智能体对敌意攻击表现出对抗实时性,启动及时性,应对高效性和永久防御性。由于智能规划技术本身的独立性,此项研究对于竞赛机器人、游戏角色设计、智能用户接口的设计、自然语言理解、多Agent系统等许多领域的研究,具有广泛的应用前景。

论文目录

• 摘要
• ABSTRACT
• 引言
• 第一章 敌意规划的应对规划概述
• 1.1 智能规划
• 1.2 应对规划
• 1.2.1 应对规划的研究内容
• 1.2.2 应对规划的研究前景
• 第二章 应激计算：应激反应系统模型研究
• 2.1 研究背景
• 2.2 基础知识
• 2.3 应激反应的基本概念
• 2.4 算法描述
• 2.4.1 应激计算算法描述
• 2.4.2 具有免疫性质的记忆算法描述
• 2.4.3 效应器算法描述
• 2.5 应激反应系统模型
• 2.6 本章结论和进一步工作
• 第三章 应激反应模型的启动机制研究
• 3.1 研究背景
• 3.2 基础知识
• 3.3 应激反应启动机制及其相关概念
• 3.4 操作预处理
• 3.4.1 输入为一维数据的情况
• 3.4.2 输入为二维数据的情况
• 3.5 入侵检测标志位
• 3.6 抑制链结构
• 3.7 粗动力系统的解搜索过程
• 3.8 进一步工作
• 第四章 应对规划库的学习与记忆
• 4.1 学习与记忆概述
• 4.1.1 学习与记忆
• 4.1.2 学习与记忆的基本过程
• 4.1.3 学习与记忆的行为模式
• 4.2 学习与记忆的诱发机制
• 4.3 应对规划库的学习与记忆神经网络模拟
• 4.3.1 神经元的信息传导方式
• 4.3.2 应对规划库的学习记忆网络
• 4.4 本章接续性研究问题
• 第五章 突变理论在应对规划中的应用
• 5.1 研究背景
• 5.2 基础知识
• 5.3 应激突变的基本概念
• 5.4 应激突变函数
• 5.4.1 应激突变函数的数学描述
• 5.4.2 应激突变函数的平衡曲面D
• 5.4.3 应激突变函数的赋值
• 5.4.4 应激突变函数各临界点
• 5.4.5 判定临界点的状态及在X-Y 坐标系中的位置
• 5.4.6 应激突变函数在应对规划中的应用
• 5.5 本章结论和进一步工作
• 结论
• 参考文献
• 附录A 第一届规划调度系统比赛IPC-1
• 附录B 第二届规划调度系统比赛IPC-2
• 附录C 第三届规划调度系统比赛IPC-3
• 附录D 第四届规划调度系统比赛IPC-4
• 附录E 相关项目与会议
• 附录F 主要智能规划器一览
• 致谢
• 在学期间公开发表论文及著作情况