Труды КНЦ вып.9 (ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ вып. 10/2018(9))

для успешного решения подобных задач, такие как: стратегия распространения - edge-finding [38], стратегия поиска в глубину с возвратами - Limited discrepancy search (LDS) [39], стратегия упорядочивания переменных - Slack-based heuristics [40] и др. Заключение Подводя итог, можно утверждать, что многие реальные задачи планирования характеризуются тем, что они выходят за тесные рамки классического планирования, где предполагается наличие полной и правильной информации, а также детерминированной, полностью наблюдаемой среды. Это предположение является недействительным во многих проблемных областях. Несмотря на то, что предпринимаются попытки преодолеть такие ограничения классического планирования, как сложность работы с вещественнозначными величинами, трудности при моделировании неопределенности, требования к полной наблюдаемости среды планирования и детерминированности действий исполнителя, пока нельзя с уверенностью сказать, что с большинством проблем удалось справиться, и все они достаточно хорошо проработаны [41]. Из проведенного обзора следует, что программирование в ограничениях как технология решения задач комбинаторного поиска и комбинаторной оптимизации находит широкое применение в задачах составления расписаний, однако в более общих задачах интеллектуального планирования ее применение все еще весьма ограничено. По мнению авторов, данная технология в области интеллектуального планирования не получила должного внимания, а многие методы планирования используют методы SAT, а не CSP. При разложении задачи CSP и представлении ее в форме задачи SAT теряется часть информации о структуре задачи, которую можно использовать для ускорения процедур вывода. Существенным недостатком современных методов интеллектуального планирования является невозможность специфицировать и решать задачи относительно переменных, являющихся сложно структурированными, семантически согласованными данными, в частности, объектно-ориентированными. При разработке методов интеллектуального планирования возникает дополнительная сложность в случае, когда требуется обеспечить поддержку открытой модели предметной области. Процесс создания такой модели осуществляется поэтапно. На различных этапах в нее могут включаться типы зависимостей, критерии оптимизации, которые не могли быть априорно учтены. Если в некоторой постановке задачи планирования решения не существует, то должна быть обеспечена возможность «ослабить» задачу. В этих условиях применение традиционных методов теории исследования операций представляется проблематичным. Литература 1. Russel S., Norvig P. Artificial Intelligence: A Modern Approach. 3rd edition. Prentice Hall, 2010. 1132 p. 2. Fikes R. and Nilsson N. STRIPS: A new approach to the application of theorem proving to problem solving. Artificial Intelligence, 1971, pp. 189-208. 33