在人工智能 - 现代方法第3版中，我遇到了一个有趣的引用：
“目前还没有很好地理解如何将两种算法[目标导向推理/规划和启发式搜索]结合到一个强大而有效的系统中”（Russel pg 189）
为什么会这样？为什么难以将目标导向规划与启发式搜索相结合？强化学习不会解决这个问题吗？
答案 0 :(得分：0)
“目标导向的推理”一词在1980年代用于回溯搜索技术。有时，这被称为向后推理或自上而下的搜索，这意味着全部相同。它描述了算法在遍历状态空间中的工作。或更具体地说：它描述了图中状态的访问顺序。在较新的文献中，不再详细说明规划器的这一方面，因为图形搜索算法已不再重要。这意味着只需将节点放在堆栈上并遍历它们。
相反，术语“启发式搜索”是指用基于知识的方法代替蛮力求解器。启发式搜索等于不遍历图，而是找到一种特定于域的策略，该策略遗漏了图的大部分。确实，很难将回溯与启发式方法结合起来，这种方法称为基础。如果存在基础问题，则可以对基于知识的问题使用回溯求解器。这是现代PDDL计划人员使用的策略，该计划程序首先以符号PDDL表示法（基于知识）描述域，然后使用快速求解器在状态空间中进行搜索。