失去顺序，保持层次：HTN计划的去序技术

arXiv cs.AI 论文
hierarchical-task-network plan-deordering htn-planning ai-planning optimization

摘要

本文将经典规划中的两种计划去序技术应用于层次任务网络规划，展示了在保持计划有效性的同时显著减少排序约束。

arXiv:2609.03912v1 公告类型：新 摘要：层次任务网络（HTN）规划是一种基于任务分解的强大规划形式化方法。尽管大多数文献研究了计划生成，但对计划后优化的关注相对较少。特别是，计划去序在经典规划中已被广泛研究，但在HTN环境中仍研究不足。计划去序在保持计划有效性的同时，移除了计划中动作之间不必要的排序约束。在本文中，我们通过扩展技术以考虑层次分解约束，将经典规划中的两种已建立的计划去序技术应用于HTN规划。我们在IPC 2023部分顺序HTN基准测试上评估了我们提出的方法，并将它们与Optiplan进行比较，后者是一个直接生成部分顺序计划的HTN规划器。我们的结果显示，在两种实现中，排序约束的数量都有显著减少。尽管我们也观察到关键路径长度的减少，但改进不太明显。
查看原文
查看缓存全文

缓存时间: 2026/09/04 06:14 

# 去顺序保层次：HTN规划的去序列化  
来源：https://arxiv.org/abs/2609.03912  
[查看PDF](https://arxiv.org/pdf/2609.03912)

> **摘要**：分层任务网络（HTN）规划是一种基于任务分解的强大规划形式化方法。尽管现有文献大多聚焦于规划生成过程，但针对规划后优化的研究相对较少。特别是，经典规划领域已广泛研究的"规划去序列化"技术，在HTN框架下仍处于探索初期。规划去序列化通过消除规划中不必要的动作顺序约束来优化规划，同时保持其有效性。本文通过扩展技术以适配分层分解约束，将两种经典规划中的成熟去序列化方法改进并应用于HTN领域。我们在IPC 2023偏序HTN基准测试上评估了所提方法，并与直接生成偏序规划的HTN规划器Optiplan进行对比。实验结果表明，两种实现方式均显著减少了顺序约束数量。尽管我们也观察到关键路径长度有所缩减，但其改善程度相对有限。

## 提交记录  
作者：Damien Pellier \[查看邮箱 (https://arxiv.org/show-email/d87f68ae/2609.03912)\] **\[v1\]** 2026年9月3日 周四 14:27:58 UTC \(17 KB\)

相似文章

面向数值全序HTN规划的SMT-based HTN-SAT编码

arXiv cs.AI

本文研究了数值全序HTN（TOHTN）规划，通过使用SMT扩展基于SAT的编码来处理数值流，引入了一个基准测试集，并展示了其作为未来工作基准的竞争性能。

学习层级结构

OpenAI Blog

OpenAI 研究提出分层强化学习方法，其中智能体将复杂任务分解为高级操作序列而非低级操作，通过将搜索复杂度从数千步降低到数十步，显著提高长视野任务的效率。