Razonamiento basado en casos aplicado a la planificación heurística

La Planificación Automática es una rama de la Inteligencia Artificial que estudia la construcción de conjuntos o secuencias de acciones, llamadas planes, que permiten transformar el estado de un entorno, con el objetivo de alcanzar las metas de un problema planteado. La planificación heurística es un paradigma dentro de la planificación automática que resuelve los problemas utilizando algoritmos de búsqueda que son guiados por una función de evaluación llamada heurística. Este paradigma ha dado grandes frutos en los últimos años gracias al desarrollo de funciones heurísticas que se pueden construir de forma independiente al dominio de planificación. Los inconvenientes que presentan estas heurísticas son que, por un lado tienen un alto coste computacional, dificultando la resolución de problemas grandes dentro de un tiempo razonable. y por otro lado, la poca información en ciertos tipos de dominios, provocando que en ocasiones los algoritmos busquen infructuosamente una solución. Por esto, surge la idea de retomar técnicas de aprendizaje automático que en años pasados fueron utilizadas sobre otros paradigmas de planificación, con la idea de mejorar la eficiencia de los planificadores. El objetivo de esta tesis doctoral es desarrollar un sistema de razonamiento basado en casos que sirva para complementar la búsqueda de un planificador heurístico. Se estudia el uso del conocimiento de los casos en diferentes algoritmos de búsqueda, y se evalúa experimentalmente sobre un conjunto de dominios, que por su diversidad, permite validar la técnica. Adicionalmente, se valora el conocimiento aprendido en los casos para establecer relaciones entre la información que puede almacenarse y las mejoras que se pueden obtener en el proceso de planificación.---------------------------------------------------------------------------------------------------------------------------------------------Automated Planning is an Artificial Intelligence field that studies how to build sequences of actions totally or partially ordered. These sequences, called plans, transform the state of the environment with the aim of achieving a given set of goals. Heuristic Planning is a recent planning paradigm that solves problems with search algorithms guided by an evaluation function called heuristic. Heuristic planning is still nowadays one of the top approaches mainly because we can build domain-independent heuristics with an automated procedure. These heuristics have two drawbacks. The first one is related to their computational cost, which imposes size restrictions to the problem being solved. The second one is the poor guidance heuristics give to the algorithms in some domains. Thereby, part of the research community focuses on applying machine learning techniques used in the past within other planning paradigms. The objective of this dissertation consists of building a case-based reasoning system that supports the search process of a heuristic planner.We will integrate the knowledge given by domain case bases as a search control. The empirical evaluation shows the benefits of the approach. We also analyze the learned knowledge in order to find relations between domain-specific information being gathered and the improvements obtained by the planners in terms of time or plan quality