1.3 Contribui¸ coes
2.1.4 Perfil do Estudante
Em eLearning o processo de aprendizagem do estudante ´e entendido como um processo que ´e executado ao longo da vida do estudante processo conhecido como aprendizagem ao longo da vida (Life Long Learning, LLL). Desta forma ´e de muito interesse de organiza¸c˜oes em possibilitar o compartilhamento da informa¸c˜ao do estudante incluindo informa¸c˜oes de preferencias, capacidades cognitivas e habilidades do estudante, al´em de informa¸c˜ao relacionada com chaves de seguran¸ca sendo assim proposta a especifica¸c˜ao IMS-LIP para o compartilhamento desta informa¸c˜ao.
Especifica¸c˜ao IMS-LIP
A especifica¸c˜ao IMS-LIP ´e descreve a informa¸c˜ao do estudante referente na acessibilidade, com-petˆencias, habilidades, metas, interesse, rela¸c˜oes, chave de seguridade, t´ıtulos, certifica¸c˜oes e li-cen¸cas de um estudante. O proposito do IMS-LIP ´e a de possibilitar o intercambio da informa¸c˜ao do estudante entre diferentes organiza¸c˜oes e sistemas de aprendizagem possibilitando a importa¸c˜ao e exporta¸c˜ao deste tipos de dados. A Figura 2.5 apresenta a estrutura geral para a descri¸c˜ao da especifica¸c˜ao.
Figura 2.5: Estrutura da especifica¸c˜ao (IMS-LIP)
2.2. PROJETO INSTRUCIONAL 13 2.1.5 Sistemas de Gerenciamento de Aprendizagem (LMS)
Os Sistemas de Gerenciamento de Aprendizagem (Learning Management System, LMS). S˜ao sistemas de software que provˆeem aos gerenciadores, professores, projetistas instrucionais e estu-dantes, servi¸cos e ferramentas que permitem organizar e distribuir os recursos educacionais na forma de cursos, li¸c˜oes e/ou m´odulos [13].
De acordo com Siqueira et al [15] estes sistemas podem ser classificados em trˆes ondas:
• A primeira onda ´e formada pelos sistemas que fornecem armazenamento, consultas, servi¸cos de comunica¸c˜ao e relat´orios dos cursos com o prop´osito de simplificar a administra¸c˜ao e gest˜ao dos cursos de forma centralizada. Exemplos de sistemas pertencentes na primeira onda s˜ao:
Moodle, Teleduc, AulaNet.
• A segunda onda corresponde aos sistemas que fornecem as mesmas funcionalidades da pri-meira onda incorpora funcionalidades para a cria¸c˜ao, composi¸c˜ao e reutiliza¸c˜ao de conte´udos sendo foco principal o reuso e interoperabilidade dos objetos de aprendizagem. Exemplos de sistemas nesta onda s˜ao: Tidia-Ae, Sakai.
• Na terceira onda os sistemas da segunda onda adicionam ferramentas correspondentes para gestionar em forma autom´atica o processo de aprendizagem como atividades a ser efetua-das em cen´arios apropriados, onde o aprendizagem decorre do que as pessoas fazem com os conte´udos e como interagem. Exemplo de sistemas desenvolvidos nesta onda s˜ao: LAMS, DIALOGPLUS1.
2.2 Projeto Instrucional
Embora os especialistas e investigadores do projeto instrucional Kooper [6], [7], e Reigeluth [?]
efetuem uma distin¸c˜ao entre projeto instrucional, desenvolvimento instrucional, desenvolvimento de sistemas instrucionais e projeto de sistemas instrucionais para diferenciar o proposito e a amplitude do conjunto de atividades que comp˜oem o processo de projeto instrucional nos abordamos o conceito engenheiral de Michael [] e outros autores como Merrill [?], e Goodyear [] onde projeto instrucional
´
e definido como o amplo conjunto de atividades efetuadas para conceber e construir cursos que melhorem a efetividade, eficiˆencia e atratividade do processo de aprendizagem.
2.2.1 Fases do Projeto Instrucional
O processo de projeto instrucional ´e complexo e cada projetista instrucional tem sua pr´opria forma de estrutura as atividades, no entanto o processo ´e repetitivo e apresenta cinco fases Analises, Proje¸c˜ao, Desenvolvimento,Implementa¸c˜ao e Avalia¸c˜ao onde ao termino de cada fase um produto ´e entregado para ser utilizada na fase seguente. A tabela2.1apresenta os produtos obtidos em cada fase do projeto instrucional no desenvolvimento de um curso al´em das especifica¸c˜oes relacionadas.
Nro Fase Produtos
1http://www.dialogplus.org/
14 CAP´ITULO 2. FUNDAMENTOS
1 An´alise Texto narrativo, diagramas simples ou in-formais.
2 Projeto Instancias de documentos XML, templetes
semi-formais 2.1 Fluxo de Aprendizagem
(learning-flow)
Tabela estendida de atividades
2.2 Codifica¸c˜ao XML Instˆancia de documento XML (IMS-LD) 3 Desenvolvimento Unidade de aprendizagem (CP,
IMS-LD)
4 Implementa¸c˜ao Instancia da unidade de aprendizagem (Rede de aprendizagem).
5 Avalia¸c˜ao Relat´orio de avalia¸c˜ao, narrativa ajustada Tabela 2.1: Rela¸c˜ao das fases do projeto instrucional e produtos obtidos (adaptado de [])
A continua¸c˜ao detalhamos em forma resumida como s˜ao efetuadas cada uma das fases do projeto instrucional extra´ıdas de [] [] []:
Fase de Analise
A fase de analise estuda o problema educacional especifico para descrever mediante diagramas informais o em forma de texto narrativo, chamado roteio (SCRIPT) que descreve o que deve ser aprendido, como deve ser aprendido e a forma de avaliar o aprendido. A fase inclui a caracteriza¸c˜ao dos estudantes e do grupo, a identifica¸c˜ao dos objetivos de aprendizagem, (a estrutura¸c˜ao do dom´ınio de conhecimento a ser ensinado) e a identifica¸c˜ao dos recursos dispon´ıveis.
Fase de Proje¸c˜ao
A fase de proje¸c˜ao constitu´ı a formaliza¸c˜ao da estrategia ou conjunto de estrategias a serem efeituadas pelos participantes do processo de aprendizagem, isto ´e a solu¸c˜ao ao problema educa-cional estruturada e formalizada em forma de atividades a serem efetuadas com a defini¸c˜ao das caracter´ısticas dos materiais e servi¸cos apropriados em cada uma das atividades que possibilitam atingir resultados de aprendizagem desejados () formalizar cen´arios de aprendizagem colaborativos que maximizem a aprendizagem.
Segundo [?] a fases de proje¸c˜ao pode ser dividida em dois subfases a fase de identifica¸c˜ao e constru¸c˜ao do fluxo de atividades (learning-flow) e a formaliza¸c˜ao da estrat´egia na especifica¸c˜ao IMS-LD.
As atividades a ser efetuadas pelo projetista para a constru¸c˜ao do learning-flow ´e listada a seguir:
• Descrever os pap´eis.
• Descrever os ambientes.
• Indicar como as atividades concluem.
2.2. PROJETO INSTRUCIONAL 15
• Estabelecer propriedades e/ou notifica¸c˜oes.
• Determinar os pontos de sincroniza¸c˜ao (atos).
• Determinar o termino dos atos.
• Criar estrutura de atividades.
As atividades para formalizar a estrategia de aprendizagem de acordo na especifica¸c˜ao IMS-LD.
• Descrever os componentes.
• Descrever o m´etodo
• Descrever as condi¸c˜oes Fase de Desenvolvimento
Na fase de desenvolvimento os recursos apropriados as caracter´ısticas dos participantes relacio-nados com o dom´ınio de conhecimento a ser ensinado s˜ao adicionados para construir a unidade de aprendizagem auto-contida com toda a informa¸c˜ao necess´aria a ser executada no sistema de apren-dizagem. Segundo a especifica¸c˜ao IMS-GLC e Kooper [?] a unidade corresponde a uma unidade de aprendizagem que geralmente ´e entregue num pacote de acordo com a especifica¸c˜ao IMS-CP que ser˜ao executado em um Learning Manager System (LMS) com suporte na execu¸c˜ao deste pacote.
As atividades efetuadas na fase de desenvolvimento da unidade de aprendizagem incluem:
• Preencher o t´ıtulo objetivos de aprendizagem, pr´e-requisitos e metadados.
• Preencher os itens (Resources).
Fase de Implementa¸c˜ao
A fase de implementa¸c˜ao, corresponde `a execu¸c˜ao de uma instancia da unidade de aprendizagem no sistema de aprendizagem. Segundo [?] e [?] a fase contem a atribui¸c˜ao de atividades atrav´es de papeis associados aos participantes do processo de aprendizagem, de forma geral esta atribui¸c˜ao de papeis ´e efetuada com o proposito de que a unidade de aprendizagem possa ser reutilizada em mais de uma instancia. Assim, o participante no processo de aprendizagem pode ser atribu´ıdo a mais de uma instancia da execu¸c˜ao de diferentes unidade de aprendizagem com diferentes papeis formando redes de aprendizagem.
Uma rede de aprendizagem ´e representada como um grafo dirigido onde os nos representam quaisquer coisa instanciada a partir de uma unidade de aprendizagem assim para n´os j´a que uma unidade de aprendizagem ´e um curso o n´o da rede de aprendizagem ´e uma atividade inclu´ıdo os recursos apropriados (objetos e servi¸cos).
16 CAP´ITULO 2. FUNDAMENTOS Fase de Avalia¸c˜ao
A avalia¸c˜ao corresponde na constru¸c˜ao de relat´orios e resumos individuais ou coletivos do pro-cesso de aprendizagem al´em da identifica¸c˜ao de dificuldades e falhas durante o processo de apren-dizagem. Os relat´orios e resumos s˜ao efetuados a fim de identificar as dificuldades e falhas durante o processo de aprendizagem.
Numa rede de aprendizagem, os participantes do processo de aprendizagem fazem uso da rede de aprendizagem e passam de um n´o da rede para outro n´o assim a sequˆencia dos n´os correspondem com o que ´e conhecido como seguimento da aprendizagem (learning track) que ´e utilizada em uma avalia¸c˜ao.
2.2.2 Aprendizagem Colaborativo
Aprendizagem colaborativo ´e definido como o processo de aprendizagem que parte de atividades fundamentalmente sociais, produto da comunica¸c˜ao, coordena¸c˜ao e participa¸c˜ao colaborativa, pro-duto da reflex˜ao e constru¸c˜ao consciente do pr´oprio conhecimento [2]. Assim, a ´area multidiscipli-naria que estuda os aspectos da aprendizagem colaborativo com o proposito de apresentar solu¸c˜oes tecnol´ogicas que apresentem suporte ´e Computer-Supported Collaborative Learning (CSCL).
2.2.3 Projeto de Aprendizagem Colaborativo (CSCL Design)
O termino colaborativo denota que o projeto de aprendizagem ´e definido para estudantes que trabalham em grupo e s´o pode ser efetivo em situa¸c˜oes espec´ıficas. O requerimento b´asico que descreve uma situa¸c˜ao efetiva onde aplicar o projeto de aprendizagem ´e definida pelo grupo de participantes, as rela¸c˜oes entre os participantes, o conjunto de atividades e os objetivos individuais e do grupo.
Assim, o projeto de aprendizagem colaborativo no projeto instrucional ´e descrito para atingir resultados de aprendizagem desejados pelo projetista instrucional em situa¸c˜oes particulares que du-rante as fases desenvolvimento e implementa¸c˜ao s˜ao associados aos recursos, participantes e servi¸cos para definir uma unidade de aprendizagem que propicie a efetividade, eficiˆencia e atratividade.
Padr˜oes de Aprendizagem Colaborativo
A gera¸c˜ao automatizada de cursos colaborativos baseada em tarefas pedag´ogicas.
Gera¸c˜ao automatizada de cursos [colaborativos] utilizando planejamento hier´arquico. Gera¸c˜ao automatizada de cursos [colaborativos] utilizando t´ecnicas de planejamento em IA.
Assim, em IA o estudo ´e centrado no desenvolvimento de planejadores, que s˜ao algoritmos que geram o plano de forma autom´atica que implica a assina¸c˜ao de recursos constru¸c˜ao de tarefas temporais para resolver o problema dentro de um dom´ınio em particular.
No entanto, a dificuldade de representa¸c˜ao deste conhecimento que precisa de especialistas resulta sua principal desvantagem, tomando muito tempo e `as vezes a codifica¸c˜ao manual resulta invi´avel devido ao n´umero de m´etodos e tarefas como ocorre no caso da proje¸c˜ao de atividades de ensino aprendizagem.
2.3. PLANEJAMENTO EM INTELIG ˆENCIA ARTIFICIAL 17 2.3 Planejamento em Inteligˆencia Artificial
O problema de planejamento em Inteligˆencia Artificial (IA) ´e definido como a tarefa de busca e estrutura¸c˜ao em forma sequencial de um conjunto de a¸c˜oes chamada plano que depois de ser executadas pelo agente atingem um objetivo [10].
Figura 2.6: Exemplo de planejamento que estrutura a intera¸c˜ao de grupos na resolu¸c˜ao de exerc´ıcios Um exemplo pr´atico de planejamento efetuado pelo agente encarregado de estruturar a intera¸c˜ao de um grupo de estudantes durante a resolu¸c˜ao de exerc´ıcios em pares inclui primeiro a sele¸c˜ao dos subgrupos adequados, a sele¸c˜ao de exerc´ıcios a ser resolvidos por cada par de participantes al´em dos servi¸cos apropriados a cada par. Ap´os o par decidido o agente define os revisores correspondente a cada par disponibilizando a solu¸c˜ao de exerc´ıcios similares ou n˜ao com o fim de melhorar a aprendizagem de estudantes com maior conhecimento do t´opico. A Figura2.6apresenta um plano de solu¸c˜ao para um grupo de quatro estudantes interessados em efetuar a resolu¸c˜ao de exerc´ıcios em pares onde cada um deles apresenta um n´ıvel de conhecimento e objetivos diferentes al´em de um docente encarregado na etapa final de avaliar o trabalho efetuado pelos grupos.
Defini¸c˜ao 1. O problema de planejamento cl´assico e definido formalmente como P = (s0, g,Σ), onde s0 descreve o estado inicial,g ´e o conjunto de estados objetivos e Σ(S, A, γ) ´e o dom´ınio de
18 CAP´ITULO 2. FUNDAMENTOS planejamento formado por:
• S={s0, s1, s2, ...} define o conjunto de estados alcan¸c´aveis.
• A={a0, a1, a2, ...} define o conjunto de a¸c˜oes que podem ser efetuadas pelo agente.
• γ :SxA→S ´e a fun¸c˜ao de transi¸c˜ao de estados.
O problema de planejamento cl´assico parte das restri¸c˜oes seguintes: O n´umero de estados ´e finito, composto de um n´umero finito de estados. O dom´ınio ´e totalmente observ´avel, ´e sempre poss´ıvel saber com exatid˜ao como o agente cambia o estado atual do mundo. As transi¸c˜oes s˜ao determin´ısticas, as a¸c˜oes do agente levam ao sistema a um ´unico estado. N˜ao existem eventos externos diferentes ao agente que mudem o estado de mundo. O objetivo ´e representado como um conjunto de estados meta. O plano ´e sequˆencial com um conjunto de atividades completamente ordenados. O tempo ´e impl´ıcito, isto ´e que o agente efetua apenas uma atividade por vez sem dura¸c˜ao de tempo. O planejador e o agente executor s˜ao independentes, isto ´e sem realimenta¸c˜ao apos gerado o plano.
A representa¸c˜ao de planejamento cl´assico ´e baseada em teoria de conjuntos utilizando a nota¸c˜ao de primeira ordemLcom um n´umero finito de s´ımbolos de predicados e constantes que descrevem os estados e operadores. Em planejamento cl´assico a representa¸c˜ao de estados utiliza literais chamados fluentes que descrevem o estado como um mundo fechado. Assim, se um ´atomo n˜ao aparece na descri¸c˜ao do estado ent˜ao o valor do fluente ´e falso.
Defini¸c˜ao 2. O operador de planejamento cl´assico ´e a tupla
o= (nome(o), precondicao(o), ef eitos(o+), ef eitos(o−)) onde:
• Onome(o) ´e uma express˜ao de forma n(x1, x2, ..., xk) onde n´e o simbolo que define o nome do operador e x1, x2, ..., xk s˜ao os parˆametros do operador.
• A precondi¸c˜ao precond(o) determina quando efetuar a a¸c˜ao.
• O conjunto de efeitos ef eitos(o) = (ef eitos(o+), ef eitos(o−)) definem respectivamente os efeitos positivosef eitos(o+) que s˜ao uma lista de fluentes a ser adicionadas no estado atual.
A lista de fluentes de efeitos negativos ef eitos(o−) definem o conjunto de fluentes a ser removidos do estado atual.
2.3.1 Planejamento Hier´arquico
O planejamento hier´arquico ou planejamento baseada em redes hier´arquicas de tarefas, (Hi-erarquical Task Network)(HTN), ´e uma abordagem onde o plano de a¸c˜oes ´e obtido efetuando a decomposi¸c˜ao da tarefa em varias sub-tarefas de menor grau de abstra¸c˜ao at´e chegar a formar uma
2.3. PLANEJAMENTO EM INTELIG ˆENCIA ARTIFICIAL 19 rede de tarefa formada apenas por a¸c˜oes primitivas que definem os planos de solu¸c˜ao. Um exemplo de planejamento hier´arquico pode ser visualizado na Figura2.7onde ´e apresentada a decomposi¸c˜ao parcial da tarefa elaborar t´opico em tarefas apresentar t´opico, estimular interpreta¸c˜ao, ilustrar e praticar.
Figura 2.7: Exemplo de decomposi¸c˜ao da tarefa elaborar t´opico
Defini¸c˜ao 3. Uma rede hier´arquica de tarefas ´e definido como o par w= (U, C) onde o conjunto de cada n´o u ∈ U contem uma tarefa ou um conjunto de tarefas e o conjunto de arestas c ∈ C definem o conjunto de restri¸c˜oes de ordem, e restri¸c˜oes priori, posteriori e entre estados.
• A restri¸c˜ao de ordem (u≺v) onde u, v∈U, define que a tarefau deve ser efetuada antes da tarefa v.
• A restri¸c˜ao priori bef ore(V, literall) onde V ={ui, uj, uk, ..., ul} ⊆ U ´e a restri¸c˜ao de pre-condi¸c˜ao que expressa que em quaisquer plano de solu¸c˜ao P, o literal literall ´e verdadeiro antes da primeira a¸c˜ao f irst(V, P) na solu¸c˜ao do subconjunto V.
• A restri¸c˜ao posterioriaf ter(V, literall) onde V ={ui, uj, uk, ..., ul} ⊆U ´e a restri¸c˜ao de p´ os-condi¸c˜ao que expressa que em quaisquer plano de solu¸c˜ao P, o literal literall ´e verdadeiro depois da ultima a¸c˜aolast(V, P) na solu¸c˜ao do subconjunto V.
• A restri¸c˜ao entre estados between(V1, V2, literall) onde V1 ⊆ U e V2 ⊆ U ´e a restri¸c˜ao que expressa que em quaisquer plano de solu¸c˜ao P o literal literall ´e verdadeiro entre a ultima a¸c˜ao,last(V1, P) e a primeira a¸c˜ao, f irst(V2, P) na solu¸c˜ao dos subconjuntosV1 eV2. No planejamento hier´arquico ao igual que no planejamento cl´assico o estado inicial ´e represen-tado como um conjunto de literais, as a¸c˜oes s˜ao determin´ısticas e representam como o conjunto de operadores com precondi¸c˜oes e efeitos. No entanto, em planejamento hier´arquico representamos o conhecimento de como efetuar as tarefas de forma explicita utilizando tarefas e m´etodos.
20 CAP´ITULO 2. FUNDAMENTOS O m´etodo ´e a receita que indica como decompor a tarefa num conjunto de tarefas de menor n´ıvel de abstra¸c˜ao. As tarefas tˆem associadas diferentes m´etodo e a aplicabilidade no processo de decomposi¸c˜ao ´e determinada pelas precondi¸c˜oes nos m´etodos. A tarefa representa o objetivo, comportamento ou a¸c˜ao a ser efetuado pelo agente para atingir o objetivo, assim pode distinguir trˆes tipos de tarefas:
1. A tarefa objetivo define a tarefa composta de mais alto n´ıvel de abstra¸c˜ao efetuada pelo agente.
2. As tarefas compostas envolvem tarefas de menor n´ıvel de abstra¸c˜ao (primitivas ou compostas).
3. As tarefas primitivas define a a¸c˜ao que pode ser direitamente efetuada pelo agente.
O processo de planejamento em HTN
Nesta subse¸c˜ao apresentamos o formalismo do problema de planejamento e o processo de plane-jamento hier´arquico, que utiliza o algoritmo Abstract-HTN que generaliza a maioria de propostas de planejadores HTN.
Defini¸c˜ao 4. O problema de planejamento hier´arquico ´e definido formalmente comoP = (s0, w, O, M) onde s0 define o estado inicial, w = (u, C) ´e a rede de tarefas inicial e o dom´ınio D = (O, M) corresponde ao conjunto de operadoresO={o1, o2, o3, .., om}e m´etodosM ={m1, m2, m3, ..., mn}.
Defini¸c˜ao 5. O m´etodo m∈M em HTN ´e formalizado como
m= ([nome(m)], taref a(m), subtaref as(m), restricoes(m)).
Ondenome(m)´e a express˜ao de forman(x1, x2, ..., xk)onden´e um s´ımbolo ´unico ex1, x2, ..., xks˜ao s´ımbolos vari´aveis que definem os argumentos do m´etodo. A tarefa taref a(m) ´e a tarefa composta que pode fazer uso do m´etodo. Definimosw0 = (subtaref as(m), restricoes(m)) como a subrede de tarefas produto de decompor a tarefa taref a(m) utilizando o m´etodo m.
Defini¸c˜ao 6. Definimos a fun¸c˜ao de decomposi¸c˜aoδ(w, u, m)como a fun¸c˜ao que decomp˜oe a tarefa
– A cada restri¸c˜ao de precedˆenciau≺vemC, ´e substitu´ıdo por os elementos dasubtaref a(m).
Por exemplo, sesubtaref a(m) ={u1, u2} ent˜aou≺v ´e substitu´ıdo poru1 ≺v,u2≺v.
– A cada restri¸c˜ao de estado (bef ore−),.(af ter−) e (between−) em C, os elementos de u s˜ao substitu´ıdos por elementos de subtaref a(m). Por exemplo, se em C existe a restri¸c˜ao bef ore({u}, l1), ela ´e substitu´ıda por bef ore({u1, u2}, l1).
2.3. PLANEJAMENTO EM INTELIG ˆENCIA ARTIFICIAL 21 Definimos o algoritmoAbstract-HTN(s,U,C,O,M) ondes´e o estado inicial,w= (U, C) definem a rede de tarefas inicial eD= (O, M) ´e o conhecimento do planejador, utilizando as defini¸c˜oes 3,4, e 5. Assim, durante o processo de planejamento ´e utilizado o operadorσ (unificador mais gen´erico) que evita que o m´etodo n˜ao seja completamente instanciado ao menos de ser absolutamente ne-cess´ario reduzindo o espa¸co de busca. A fun¸c˜ao que aplica cr´ıtica apply−critic(U0, C0) formaliza a no¸c˜ao de cr´ıtica ao planejador que modifica a rede de tarefas em favor de melhorar a qualidade do plano. Por exemplo, reduzindo o n´umero de tarefas consecutivas repetidas.
Algorithm 1 AlgoritmoAbstract-HTN(s,U,C,O,M) [10]
1: if (U, C) ´e visualizado sem solu¸c˜ao then
2: return falha
3: else
4: if U ´e um conjunto de tarefas primitivasthen
5: if (U, C) tem uma solu¸c˜ao then
12: escolha de uma tarefa n˜ao primitivau∈U
13: active← {m∈M — tarefa(m) ´e unific´avel comtu }
14: if active! =∅then
15: escolha n˜ao determinista de m∈active
16: σ← unificador mais gen´erico (mgu) parame tu que renomina todas as vari´aveis dem.
17: (U0, C0)←δ(σ(U, C), σ(u), σ(m))
Na Figura2.8o exemplo do processo de planejamento ´e apresentado onde a tarefatarefa t5 pode ser decomposto pelos m´etodos m´etodo m3 e m´etodo m5, e a escolha n˜ao determinista do m´etodo m´etodo m3 faz backtracking por n˜ao atingir na uma solu¸c˜ao, sendo escolhido om´etodo m5. Final-mente o processo de decomposi¸c˜ao ´e repetido at´e chegar a umarede de tarefas primitivaswnque de-finem um plano parcialmente ordenando, com solu¸c˜oes ao problemaP={!t4,!t10,!t11,!t11,!t14,!t6}.
Algoritmo JSHOP2
Java Simple Hierarquical Ordered Planner 2 (JSHOP2), ´e um planejador baseado em HTN inde-pendente de dom´ınio e desenvolvido pela Universidade de Maryland. O JSHOP2 ´e a implementa¸c˜ao do planejador SHOP2 para JAVA que utiliza nota¸c˜ao LISP para representar o conhecimento do planejador [11].
22 CAP´ITULO 2. FUNDAMENTOS
Figura 2.8: Processo de planejamento em a rede hier´arquica de tarefas
O problema de planejamento ´e representado em JSHOP2 como:
(def problem problemN ame domainN ame([a1,1a1,2...a1,n])T1...([am,1am,2...am,o])Tm)
Onde problemN ame e domainN ame s˜ao s´ımbolos, cada e ai,j e cada Ti ´e uma lista de tarefas a ser atingidas para iniciar o processo de planejamento.
O dom´ınio ´e representado como (def domaindomainN ame(d1d2...dn))
Onde domainN ame´e um s´ımbolo e cadadi ´e um operador, m´etodo ou um axioma
• A tarefa ´e uma lista de termos da forma (t r1 r2 r3 ... rn) onde t ´e o nome da tarefa e os argumentosr2 r3 ... rns˜ao termos. Umatarefa primitiva´e identificada com s´ımbolo “!”diante do nome. Por exemplo, (!insert r)
• Ooperador de planejamento tem a forma (:operador h P D A) ondeh´e o nome do operador, C ´e o conjunto de precondi¸c˜oes, De A s˜ao os efeitos negativos e positivos.
2.3. PLANEJAMENTO EM INTELIG ˆENCIA ARTIFICIAL 23
• O m´etodo ´e representado como
(:method h[name1]p1 t1[name1] p2 t2[name1]p3 t3, ...[namek]pk tk) ondeh ´e o nome da tarefa composta,pi s˜ao as express˜oes l´ogicas de precondi¸c˜oes para cada tarefati e namei ´e o atributo opcional de nome para cada par pi ti.
Algorithm 2 Vers˜ao simplificada do algoritmo JSHOP2 [11]
1: P =∅
7: if t´e uma tarefa primitivathen
8: A← { (a, θ): a´e uma instancia ground de um operador em D, θ ´e uma substitui¸c˜ao que unificahead(a), t, e ssatisfaz as precondi¸c˜oes dea}
9: if A=∅then
10: return falha
11: end if
12: escolha n˜ao determin´ıstica do par (a, θ)∈A
13: s´e mudado apagandodel(a) e adicionandoadd(a)
14: adicionara emP
15: modificarT apagando te aplicando θ
16: T0 ← {t∈T: nenhuma tarefa emT ´e restringida para precedert }
23: modificar T apagando t, adicionando sub(m), adicionando restri¸c˜ao de precedˆencia em sub(m) para preceder as tarefas que tpredecia, e aplicar θ
24: if sub(m)6=∅then
O algoritmo de planejamento JSHOP2 utiliza a restri¸c˜ao de precedˆencia (≺) e a restri¸c˜ao (bef ore−) para definir a rede hier´arquica de tarefas. Pois em cada escolha n˜ao determin´ıstica
O algoritmo de planejamento JSHOP2 utiliza a restri¸c˜ao de precedˆencia (≺) e a restri¸c˜ao (bef ore−) para definir a rede hier´arquica de tarefas. Pois em cada escolha n˜ao determin´ıstica