
本文深入探讨了在使用Python PDDL框架实现旅行商问题时遇到的`RecursionError`,并提供了解决方案。核心在于如何正确利用`pddl.logic`模块提供的逻辑运算符来定义动作效果,而非简单的字符串拼接。通过一个旅行商问题的实例,文章详细阐述了PDDL域和问题的构建过程,强调了逻辑表达式的正确使用,以避免递归深度超限错误,确保规划域的有效性和可解析性。
pddl是一个Python库,旨在简化PDDL(Planning Domain Definition Language)域和问题的创建。它允许开发者使用Python代码定义PDDL的谓词、动作、类型、常量等元素,然后将其转换为标准的PDDL文件,供像Fast-Downward这样的规划器执行。这种方式极大地提高了PDDL建模的效率和可维护性。
旅行商问题(Travelling Salesman Problem, TSP)是一个经典的组合优化问题:给定一系列城市和每对城市之间的距离,找到访问每个城市一次并返回起点的最短路径。在PDDL中,我们可以将TSP建模为一个规划问题。
首先,我们需要定义问题的基本元素:
立即学习“Python免费学习笔记(深入)”;
在tsp_basic.py中,这些元素被这样定义:
from pddl.logic import Predicate, variables
from pddl.core import Domain, Problem
from pddl.action import Action
from pddl.formatter import domain_to_string, problem_to_string
from pddl.requirements import Requirements
class TSPBasic:
def __init__(self, connections, start_city):
self.connections = connections
self.start_city = start_city
unique_cities = set()
for start, end in connections:
unique_cities.update([start, end])
# 将所有城市定义为position类型的变量
self.cities = variables(" ".join(unique_cities), types=["position"])
# 定义动作中使用的单个城市变量
self.start = variables("start", types=["position"])[0]
self.finish = variables("finish", types=["position"])[0]
# 定义谓词
self.at = Predicate("at", self.start)
self.connected = Predicate("connected", self.start, self.finish)
self.visited = Predicate("visited", self.finish)
self.domain = self.create_domain()
self.problem = self.create_problem()TSP的核心动作是move,它描述了从一个城市移动到另一个城市的过程。
在原始代码中,move动作的效果定义如下:
# 错误的代码示例
effect="&".join([
str(self.at(self.finish)),
str(self.visited(self.finish)),
"~" + str(self.at(self.start))
])这段代码尝试通过字符串拼接来构建动作效果。然而,pddl库在内部进行类型检查和逻辑表达式解析时,期望的是pddl.logic模块提供的逻辑表达式对象(如And, Not, Predicate等),而不是简单的字符串。当传递字符串时,库的验证机制会尝试将其解析为逻辑对象,导致无限递归,最终触发RecursionError: maximum recursion depth exceeded while calling a Python object。
正确的做法是使用pddl.logic模块提供的逻辑运算符(&表示逻辑与,~表示逻辑非)直接构建逻辑表达式。 这些运算符被重载以创建相应的PDDL逻辑结构。
# 正确的代码示例
def create_actions(self):
move = Action(
"move",
parameters=[self.start, self.finish],
precondition=self.at(self.start) &
self.connected(self.start, self.finish) &
~self.visited(self.finish),
effect=self.at(self.finish) & self.visited(self.finish) & ~self.at(self.start)
)
return [move]通过这种方式,effect参数接收的是一个由pddl.logic对象组成的复合逻辑表达式,而不是一个字符串,从而避免了类型不匹配和递归错误。
域定义了问题的规则、类型、谓词和动作。
# tsp_basic.py 中的 create_domain 方法
def create_domain(self):
# 明确声明所需的需求,例如STRIPS, TYPING, NEG_PRECONDITION
requirements = [Requirements.STRIPS, Requirements.TYPING, Requirements.NEG_PRECONDITION]
domain = Domain(
"tsp_basic_domain",
requirements=requirements,
types={"position": None}, # 定义position类型
constants=[], # 本例中没有全局常量
predicates=[self.at, self.connected, self.visited], # 注册所有谓词
actions=self.create_actions() # 注册所有动作
)
return domain问题定义了具体实例的对象、初始状态和目标状态。
# tsp_basic.py 中的 create_problem 方法
def create_problem(self):
requirements = [Requirements.STRIPS, Requirements.TYPING]
# 将所有唯一城市作为问题对象
objects = self.cities
# 定义初始状态
init = [self.at(variables(self.start_city, types=["position"])[0])] # 初始位于起始城市
for start, finish in self.connections:
# 添加所有城市连接关系
init.append(self.connected(variables(start, types=["position"])[0],
variables(finish, types=["position"])[0]))
# 定义目标状态:所有城市被访问且最终回到起始城市
goal_conditions = [self.visited(city) for city in self.cities if city.name != self.start_city]
goal_conditions.append(self.at(variables(self.start_city, types=["position"])[0]))
# 同样,这里也需要使用逻辑运算符,而非字符串拼接
goal = goal_conditions[0]
for cond in goal_conditions[1:]:
goal &= cond
problem = Problem(
"tsp_basic_problem",
domain=self.domain,
requirements=requirements,
objects=objects,
init=init,
goal=goal
)
return problem注意: 在create_problem方法中,goal的定义也需要使用pddl.logic的逻辑运算符(&)来组合多个目标条件,而非字符串拼接。上述代码已修正此问题。
main.py负责将上述PDDL模型实例化,生成PDDL文件,并调用外部规划器(如Fast-Downward)来求解。
# main.py
from tsp_basic import TSPBasic
import subprocess
# 定义城市连接和起始城市
connections = [("Boston", "NewYork"), ("NewYork", "Boston"), ...]
start_city = "NewYork"
# 实例化TSPBasic类,它会自动构建Domain和Problem对象
tsp = TSPBasic(connections, start_city)
# 获取PDDL域和问题的字符串表示
domain_pddl_str = tsp.get_domain()
problem_pddl_str = tsp.get_problem()
# 将PDDL字符串保存到文件
with open('domain.pddl', 'w') as domain_file:
domain_file.write(domain_pddl_str)
with open('problem.pddl', 'w') as problem_file:
problem_file.write(problem_pddl_str)
# 定义并执行Fast-Downward命令
command = ["/home/mihai/tools/downward/fast-downward.py", "./domain.pddl", "./problem.pddl",
"--heuristic", "h=ff()", "--search", "astar(h)"]
process = subprocess.run(command, stdout=subprocess.PIPE, stderr=subprocess.PIPE, text=True)
# 检查执行结果
if process.returncode == 0:
print("Command executed successfully!")
print(process.stdout)
else:
print("Error in command execution.")
print("Error Output:\n", process.stderr)通过Python PDDL框架构建规划域和问题能够显著提高开发效率。然而,理解其内部机制,特别是如何正确构造逻辑表达式至关重要。本文通过解决旅行商问题中的RecursionError,强调了使用pddl.logic模块提供的运算符而非字符串拼接来定义动作效果和目标的重要性。遵循这些最佳实践,可以有效地利用Python PDDL框架,构建健壮且可解析的规划模型。
以上就是解决Python PDDL框架中的RecursionError:正确定义动作效果的详细内容,更多请关注php中文网其它相关文章!
每个人都需要一台速度更快、更稳定的 PC。随着时间的推移,垃圾文件、旧注册表数据和不必要的后台进程会占用资源并降低性能。幸运的是,许多工具可以让 Windows 保持平稳运行。
Copyright 2014-2025 https://www.php.cn/ All Rights Reserved | php.cn | 湘ICP备2023035733号