Artificial intelligence 人工智能-清洁和油漆的智能代理

我记得当我在大学的时候，我们遇到了一个问题，有一个智能代理在方格上，它必须清理方格。它因清洁而被扣分。搬家也被扣分。它必须时不时地加油，最后根据网格上有多少方块是脏的或干净的，它得到了一个最终分数

我正试图研究这个问题，因为我在大学里看到这个问题时，它非常有趣，但我在维基百科或网上找不到任何东西。你知道这个问题的具体名称吗？或者也许这只是我的老师在课堂上想出来的

我正在寻找人工智能清洁剂和类似的东西，但我什么也没找到。我不知道，我在想也许它还有别的名字

---

如果你知道我在哪里可以找到更多关于这个问题的信息，我将不胜感激。谢谢。

这个问题让我想起了。书中简要提到了一个类似的问题，作为遗传算法的一个例子。不过，这些版本是简化的，没有考虑燃油消耗

也许“stigmergy”方法与您的问题密切相关。这是一个起点，你可以通过在上面搜索“死蚂蚁”和“机器人”来找到一些东西

基本上：你不是建立精确的战略模型，而是采用概率方法。蚂蚁（可能）会按照一个简单的规则堆积尸体，比如“如果那里有一堆死蚂蚁，我就把这具尸体带到这里来；否则，我会再堆一堆”。你可以从简化你的“清洁”情况开始，然后看看你要去哪里

此外，我认为（另一种？）合适的方法可以通过使用精心选择的适应度函数组合的遗传算法建模，例如：

• “干净”磁贴的结束编号
• 机器人所走的步数

当然，如果机器人因饥饿而“死亡”，它会自动从基因库中移除，a-la达尔文奖：）

---

你可以从一个非常非常简单的基因型建模开始，这个基因型将被“计算”成一种行为。考虑使用一个简单的遗传算法，如Inman Harvey，然后对每个基因分配策略的一部分，或者一个完整的行为。例如：如果基因A变为1，那么机器人将尝试随机漫游；如果基因B也变为1，那么它将优先考虑自充电，除非在距离X处有脏瓷砖。或者使用浮点数和模型概率。你的里程数可能会有所不同，但我可以保证这会很有趣：）

这个问题让人想起，尽管它涉及到清洁（就像--一个可以编程来执行这些任务的设备）

如果“问题空间”（或房间）足够小，您可以使用简单的基于a*的搜索来解决最佳解决方案，但可能不会，因为这不会留给非常有趣的问题

这里提出的使用遗传算法的机器学习方法是一种有趣的方法。考虑到问题域，您只有一个“规则”（一个

移动到

操作，因为

清洁

可以通过隐式清洁您移动到的任何脏方块来消除），因此您的学习者基本上是在学习如何在环境中移动。问题在于培养一个能够适应任何给定楼层平面的学习者，而不是仅仅熟练地清洁一个非常特定的空间

不管你有什么方法，如果问题集足够大，我也会考虑做一个进一步的元推理步骤，并且使用分区方法把这些层划分成不同的区域，然后一次一个地征服它们。

---

您是否可以使用技术创建数据以使用“脱机”？在这种情况下，我甚至会考虑创建一个“数据库”的最佳路线来清理某些楼层空间（1x1到，例如，5x5），包括所有可能的开始和结束广场。这类似于游戏AI用来在游戏达到一定深度（c.f.）后有效“解决”游戏的“终局数据库”。

我认为它被称为Roomba；）