Tecniche di pianificazione in presenza di conoscenza incompleta

1INTRODUZIONE
Lo studio e l’implementazione delle Tecniche di Pianificazione costituiscono un
importante settore dell’Intelligenza Artificiale, in continua evoluzione. Con questo termine
si indicano tutte quelle metodologie il cui scopo è quello di ottenere la definizione di un
algoritmo, detto pianificatore, in grado di costruire una sequenza di azioni, cioè un p ano,
che permetta ad un sistema automatico di raggiungere un determinato obiettivo.
L’algoritmo pianificatore, per risolvere questo problema, deve analizzare la situazione
dell’ambiente in cui si trova il sistema agente e comporre opportunamente le azioni a sua
disposizione. Per ottenere il piano corretto, cioè quello la cui esecuzione permette all’agente
di raggiungere realmente l’obiettivo, il pianificatore deve analizzare a priori gli effetti di
ogni singola azione e controllare che questi non siano in conflitto tra loro, cioè che
un’azione non vanifichi il risultato di un’azione precedente. L’ambiente in cui opera il
sistema e le sue azioni devono essere opportunamente descritti in una forma che ne
permetta l’elaborazione da parte dell’algoritmo pianificatore, cioè occorre formalizzare un
metodo di rappresentazione della conoscenza.
Negli algoritmi di pianificazione classici1, la rappresentazione della conoscenza è
basata su assunzioni semplificative, che, da un lato, permettono di rendere meno complessa
la struttura del pianificatore, dall’altro lato, impediscono di descrivere ambienti reali. La
tipiche assunzioni, poco realistiche, alla base dei pianificatori tradizionali ne affermano, in
particolare, l’onniscienza. Questo significa che l’algoritmo è in grado di conoscere
                                                 
1
 Con questo termine, si indicano alcuni pianificatori universalmente noti, sviluppati tra i primi anni ’70 e i
primi anni ’90, come, ad esempio, STRIPS [FN71], NOAH [Sa77], SNLP [McAr91] e UCPOP [PW92].