我对使用z3解决规划问题很感兴趣,但是我很难找到示例。例如,我真的很想在z3中找到Sussman异常/块世界的示例,但是却找不到任何东西。我的尝试看起来像
#!/usr/bin/env python
from z3 import *
blk = DeclareSort ("Block")
On = Function ("On", blk , blk, BoolSort () )
Above = Function ("Above", blk , blk, BoolSort () )
a, b, c, x, y, z = Consts ("a b c x y z", blk )
P0 = And(On(a,b), On(b,c))
P1 = ForAll([x, y], Implies(On(x,y), Above(x,y)))
P2 = ForAll([x, y, z], Implies(And(On(x,y), Above(z, y)), Above(x,y)))
solver = Solver()
solver.add(And(P0,P1,P2))
print solver.check()
print solver.model()
但这输出的结果对我来说似乎是胡言乱语。我怎样才能解决这个问题?在哪里可以找到将planning问题编码为SAT的良好资源?我已经看到了STRIPS形式主义,但是我不清楚如何将前后条件编码为逻辑道具。我认为这很隐含,但是我对此没有多大的运气,而且似乎该技术依赖于在模型中满足先决条件后从效果/后置条件生成的新约束。似乎z3没有显式地编程后置条件就无法做到这一点。
这类问题肯定可以通过Z3以及一般的任何SMT求解器解决。但是由于显而易见的原因,您将无法获得专用系统的出色功能。编码可能更冗长,而且正如您所发现的,解释模型可能非常棘手。
我认为您的编码是一个好的开始,但是最好通过将Block
设为枚举排序并在系统中明确声明这些块,为您提供更好的服务。这将使编码更接近于通常如何对计划系统进行编码,并且还将有助于解释模型本身。
基于此,假设我们生活在一个包含三个分别名为A
,B
和C
的块的宇宙中,这就是我要如何编码问题的方法:
from z3 import *
Block, (A, B, C) = EnumSort('Block', ('A', 'B', 'C'))
On = Function ("On", Block, Block, BoolSort())
Above = Function ("Above", Block, Block, BoolSort())
objects = [A, B, C]
solver = Solver()
solver.add(And(On(A, B), On(B, C)))
x, y, z = Consts ("x y z", Block)
solver.add(ForAll([x, y], Implies(On(x, y), Above(x, y))))
solver.add(ForAll([x, y, z], Implies(And(On(x, z), Above(z, y)), Above(x, y))))
solver.add(ForAll([x], Not(On(x, x))))
solver.add(ForAll([x], Not(Above(x, x))))
if solver.check() == sat:
print "sat"
m = solver.model()
for i in objects:
for j in objects:
if m.evaluate(On(i, j)):
print "On(%s, %s)" % (i, j)
if m.evaluate(Above(i, j)):
print "Above(%s, %s)" % (i, j)
else:
print "unsat"
(((请注意,我必须对P2
进行调整,看起来不太正确。我还添加了两个公理,说On
和Above
是不自反的。但是您可以修改并使用不同的公理来查看)您得到什么样的模型。)
对于此输入,z3说:
sat
On(A, B)
Above(A, B)
Above(A, C)
On(B, C)
Above(B, C)
这是一个有效的方案,满足所有约束。
我应该注意,SMT求解器通常不擅长量化推理。但是通过保持宇宙有限(又小),它们可以很好地处理任意数量的此类公理。如果从无限域(例如Int
,Real
等)引入对象,则事情将变得更加有趣,并且z3可能难以处理。但是对于经典的块/计划问题,您不需要那种精美的编码。
希望这可以让您入门!