领域建模帮助/ optaplanner生存能力(Optaplanner)

Question

我希望尝试创建一个机器人来自动玩电子游戏，并想知道Optaplanner是否可以用于机器人的任务规划。

bot具有启动状态、所需的结束状态以及可以执行的不同任务。目标是使用optaplanner找到可行的任务序列，使bot从启动状态到期望的结束状态，优化为成本最低的。

机器人：

inventory

• current location

中的

• State：
  • 项目

任务：

• 示例:收集1块木头，制作一个桶
• ，每个任务对当前状态都有“需求”-- f(currentState) -> boolean
• -a任务转换到一个新的状态- f(currentState) -> newState
• 有一个代价启发式: f(currentState) -> int

H 121任务E 122可以重复E 223。例如，机器人可能需要收集5个木头(收集木材任务，重复5次)

• Tasks可能没有使用。例如，如果所需的结束状态是有一个金属桶，则不需要执行收集木材任务。

这和Optaplanner有可能吗？什么是正确的方法来模拟这个问题？

任何帮助/指导将不胜感激，我已经梳理了大多数Optaplanner文档和例子。

我研究了@PlanningListVariable，但我不确定这是否符合我的用例。医生说：

每个计划值都分配给一个计划实体。

在我的例子中，任务将是规划值，而Bot将是规划实体(?)。但是，许多任务可能是未使用的，根本不应该分配.所以这看起来不对。

Answer 1

这是一个很难在OptaPlanner中建模的域/约束的例子。您的计划实体形成了一系列无限的操作，每个操作都可能影响未来的操作(例如，为了制作一个桶，您需要3个熨斗，它是由过去的操作收集的)。这意味着：

• 更改过去的操作很可能会违反涉及未来操作的约束。这使得OptaPlanner很难更改过去的操作，除非它之后的所有/大部分操作也被删除。

因为您不能在当前的(https://issues.redhat.com/browse/PLANNER-2642).中添加计划实体，所以您需要对达到目标所需的最大操作数进行“猜测”。

您可以做的是使用OptaPlanner作为bot的“策略生成器”。这一体系结构将有四个组成部分：

• 是一种信息收集器，它从屏幕上获取信息，并将其转换为问题事实，供其他组件使用。

步骤决定器，它决定立即采取什么行动，以推进到给定的最终目标。它可以是“收集木材”，“矿山矿石”或“将物品列入库存”。这将是一个“短视”的规划师；它将抽象的最终目标转化为OptaPlanner能够理解和解决的更具体的子目标。

• 是一个策略生成器，它为由操作实现者执行的步骤决策器决定的操作创建一个计划。这就是OptaPlanner进来的地方。对于每个目标，您将需要定义一个评估计划有效性的约束提供者。例如，对于“收集木头”操作，这将是一个车辆路线问题，您将玩家(充当车辆)从他们当前的位置(仓库)到树收集木材。一个计划就是要参观的树木。为了克服需要访问所有树的事实，您将有第二个虚拟/假实体，该实体将被分配给所有未访问的树，而分配给虚拟/假实体的任何树都不会影响得分。

动作实现者

• ，它接受由策略生成器生成的计划并加以实现。这将是机器人决定所有输入的一部分。这将是一个“反应性”组件，因为它可能需要处理不可预见的问题(如僵尸)。它不做任何重大的决定，并试图(以它最好的能力)遵循由战略生成器制定的计划。它主要负责导航世界和处理作战情况。