Rust智能规划与推理库

这是一个用Rust编写的库，包含人工智能算法——特别是来自规划和推理领域的算法。目标是长期支持以下算法

• 通用规划算法
  • M. Likhachev, D. Ferguson, G. Gordon, A. Stentz, 和 S. Thrun, Anytime dynamic A*:一种任意、重新规划算法。第十五届国际自动规划与调度会议（ICAPS’05），2005年，https://dl.acm.org/doi/10.5555/3037062.3037096
  • S. Koenig 和 M. Likhachev, D*lite。第十八届全国人工智能会议，2002年，https://dl.acm.org/doi/10.5555/777092.777167
  • D. Knuth, 舞蹈链，计算机科学千年展望，https://arxiv.org/pdf/cs/0011047.pdf
  • S. Gelly, Y. Wang, R. Munos, 和 O. Teytaud 在蒙特卡洛围棋中通过模式修改UCT。技术报告，INRIA，2006年，http://hal.inria.fr/docs/00/12/15/16/PDF/RR-6062.pdf
  • M. Zweben, E. Davis, B. Daun 和 M. J. Deale, 使用迭代修复进行调度和重新调度。IEEE系统、人、和网络 Transactions，1993年，https://ieeexplore.ieee.org/document/257756
• 多智能体规划 - 协调、谈判/投标、联盟形成
  • T. Sandholm, K. Larson, M. Andersson, O. Shehory 和 F. Tohmé, 具有最坏情况保证的联盟结构生成。Artif. Intell. 111，1999年，https://doi.org/10.1016/S0004-3702(99)00036-3
  • David Silver, 合作路径查找。首届人工智能与互动数字娱乐会议（AIIDE’05），2005年，https://dl.acm.org/doi/10.5555/3022473.3022494
  • R. Nissim 和 R. Brafman, 多智能体系统的分布式启发式正向搜索。arXiv，2013年。 https://arxiv.org/abs/1306.5858
  • O. Shehory 和 S. Kraus, 通过自主智能体的联盟形成进行任务分配。第十四届国际人工智能与联合人工智能会议——第一卷（IJCAI’95），1995年，https://dl.acm.org/doi/10.5555/1625855.1625941

注意：此库仍在开发中——主要是为了让我熟悉Rust。使用风险自负；重构和较大的更改仍可能发生。

要使用分布式决策算法，请确保启用 multi_agent 功能。

动机

虽然深度学习算法目前是热门话题，但构建真正自主系统还需要具备规划和推理能力。无论是机器人移动、自动规划船舶停靠方式、机场飞机着陆顺序等，都有无数例子说明这些算法如何帮助解决现实世界问题并实现高效解决方案。推荐阅读包括Stuart Russell和Peter Norvig合著的《人工智能：一种现代方法》（Artificial Intelligence: A Modern Approach）；此外，NASA的JPL人工智能组（Artificial Intelligence group）在该领域进行了大量研究，特别是他们使用规划器和执行组件控制自主太空探测器的技术很有趣；想象一下，如果这些概念被嵌入到未来的控制系统中会多么酷...