图规划

Parent: ai_keywords

图规划（Graph Planning）

核心定义

图规划是人工智能领域中一种基于图结构的自动规划方法，通过将状态、动作与约束关系抽象为有向图（如规划图、状态-动作图），利用图论算法（连通性、互斥检测、最短路径）在图中搜索从初始状态到目标状态的动作序列。其核心优势在于显式建模动作间的因果关系与资源冲突，适用于离散、确定或不确定环境下的序列决策问题。

关键技术点

1. 规划图构建（Planning Graph）
   将问题分层展开为交替的“命题层”和“动作层”，通过前向传播生成包含所有可能状态与动作的层次化图结构，并记录动作的前提与效果。

2. 互斥关系检测（Mutual Exclusion）
   在同一层中，若两个动作不能同时执行（如资源冲突）或两个命题不可能同时为真，则标记为“互斥”。该机制有效剪枝搜索空间，避免无效组合。

3. 图搜索与回溯（如 GRAPHPLAN 算法）
   从目标层反向搜索，利用互斥约束逐步选择动作，若当前层无解则回溯扩增规划图层数，直到发现可行计划或证明无解。

4. 概率图规划（Probabilistic Graph Planning）
   引入随机动作与不确定观测，将规划图扩展为概率图（如 POMDP 的图模型），通过信念状态传播和策略迭代求解部分可观测环境下的最优决策。

医学/神经科学应用场景

首都医科大学神经病学研究——基于图规划的认知执行功能评估

在帕金森病（PD）患者中，前额叶-基底节环路损伤导致计划与执行功能障碍。研究团队利用 图规划模型 量化评估患者在执行“伦敦塔”任务时的规划能力：

• 将任务状态（圆盘位置）和允许操作（移动圆盘）构建为 规划图，计算患者实际动作序列与理论最优解之间的 规划深度偏差 与 互斥违规次数。
• 同步采集 功能磁共振（fMRI），分析前额叶背外侧皮层（DLPFC）在规划图中的激活模式：健康对照组随规划层级增加表现出渐进式图扩展激活，而 PD 患者显示 图结构稀疏化（低层级互斥识别失败）及 异常回溯重规划信号（基底节 - 丘脑环路过度激活）。
• 该图规划指标已被用于早期鉴别帕金森病与进行性核上性麻痹（PSP），敏感性达 82%，为脑网络层面的执行功能损伤提供了可量化的计算神经标记物。