Précédent : Modélisation et suivi d'environnements évoluant Remonter : Modélisation et suivi d'environnements évoluant Suivant : Supervision de systèmes évolutifs

Planification

La planification consiste en la génération automatique de plans d'actions permettant de faire évoluer un environnement selon un objectif donné. Nous abordons plus particulièrement deux problématiques : la prise en compte de l'incertitude et la gestion de la complexité.

Nos recherches antérieures portaient sur la planification en temps contraint en présence d'informations probabilistes. Nous cherchons maintenant à prendre en compte des informations imprécises en nous basant sur la logique floue [35]. Du point de vue de la prise en compte de l'incertitude, notre objectif est de générer des plans plus robustes, au sens de capacité d'exécution dans un environnement proche de la situation pour laquelle ils ont été construits. Du point de vue de la gestion de la complexité, nous étudions la génération en temps contraint de plans dont la précision croît en fonction du temps de calcul alloué.

Outre les algorithmes en temps contraint, les algorithmes d'approximation en temps polynomial constituent un moyen de gérer la complexité de certaines classes de problèmes. Avec John Slaney (Australian National University), nous nous sommes intéressés aux algorithmes d'approximation pour le problème (NP -complet) de la génération d'un plan de longueur minimale dans le monde des cubes [42]. Nous avons montré que la complexité des stratégies d'approximation bien connues était linéaire en le nombre de cubes. Nous avons proposé une méthode de génération d'instances aléatoires, et mené une étude empirique donnant une première caractérisation des instances difficiles et montrant que les performances moyennes des algorithmes d'approximation croîssent avec le nombre de cubes. Nous cherchons maintenant à généraliser certains de ces résultats et à identifier une classe de problèmes de planification pouvant être approchés par une constante en temps polynomial.