Detail publikace
Integrating Late Variable Binding with SP-MCTS for Efficient Plan Execution in BDI Agents
Zbořil František, doc. Ing., Ph.D. (UITS)
Veigend Petr, Ing., Ph.D. (UITS)
BDI agenti, interpretace agentů, AgentSpeak(L), Monte Carlo Tree Search
Tento článek zkoumá strategii pozdního přiřazování proměnných (Late binding) jako
vylepšení algoritmu SP-MCTS pro výběr záměrů a přiřazování proměnných v BDI
(Belief-Desire-Intention) agentech. Na rozdíl od strategie časného přiřazování
(Early binding), která vybírá substituce proměnných předčasně, odkládá strategie
pozdního přiřazování tato rozhodnutí na nezbytný okamžik, přičemž agreguje
všechny substituce pro plán do jednoho uzlu. Tento přístup zmenšuje velikost
hledacího stromu a zvyšuje adaptabilitu v dynamických prostředích tím, že
zachovává flexibilitu během vykonávání plánu. Strategii pozdního přiřazování jsme
implementovali v systému FRAg a ověřili její přínosy experimenty ve statickém
bludišti. Výsledky ukazují, že strategie pozdního přiřazování konzistentně
překonává strategii časného přiřazování, přičemž dosahuje až o 150 % vyšších
odměn, zejména při nejnižších hodnotách parametrů algoritmu SP-MCTS v prostředích
s omezenými zdroji. Tyto výsledky potvrzují, že je možné integrovat strategii
pozdního přiřazování do metod pro výběr záměrů, což otevírá příležitosti k jejímu
využití v přístupech s nižšími výpočetními nároky, než má algoritmus SP-MCTS.
@inproceedings{BUT193742,
author="František {Vídeňský} and František {Zbořil} and Petr {Veigend}",
title="Integrating Late Variable Binding with SP-MCTS for Efficient Plan Execution in BDI Agents",
year="2025"
}