Identification of design patterns in AI Planning software

Abstract

The field of AI Planning has undergone significant growth since the advent of the STRIPS planner in 1971, fueled by the need to tackle an expanding array of complex problem domains ranging from robotics to quantum computing. However, the burgeoning landscape of planners and tools raises concerns regarding software quality assurance amidst increasing complexity. Design patterns offer a promising avenue for addressing this concern, providing structured solutions to recurring design problems and enhancing software development processes. This thesis investigates the systematic identification of design patterns in AI Planning software, guided by a multi-step methodology inspired by Fehling et al. Through reverse engineering and pattern identification processes, this study explores the prevalence and applicability of design patterns across various AI Planning tools and categories. Our findings reveal the widespread utilization of certain patterns, such as Proxy and Factory patterns, reflecting their compatibility with commonly used programming languages. Surprisingly, no novel design patterns specific to AI Planning software were uncovered, highlighting the need for further research in this area. Additionally, the lack of dedicated architectural documentation in research papers emphasizes the importance of identifying effective design patterns to enhance the overall quality of AI Planning software development and maintenance processes.

Der Bereich des AI-Plannings hat seit der Einführung des STRIPS-Planers im Jahr 1971 ein beträchtliches Wachstum erfahren, was durch die Notwendigkeit, eine wachsende Anzahl komplexer Problembereiche von der Robotik bis hin zum Quantencomputing zu bewältigen, angeheizt wurde. Die wachsende Zahl von Planern und Werkzeugen wirft jedoch Bedenken hinsichtlich der Software-Qualitätssicherung inmitten der zunehmenden Komplexität auf. Entwurfsmuster (Design Patterns) bieten einen vielversprechenden Weg, um dieses Problem anzugehen, indem sie strukturierte Lösungen für wiederkehrende Entwurfsprobleme bieten und die Softwareentwicklungsprozesse verbessern. In dieser Arbeit wird die systematische Identifizierung von Entwurfsmustern in KI-Planungssoftware anhand einer mehrstufigen Methodik untersucht, basierend auf Fehling et al. Prozess. Durch Reverse-Engineering und Pattern-Identifikationsprozesse untersucht diese Studie die Verbreitung und Anwendbarkeit von Design Patterns in verschiedenen KI-Planungswerkzeugen und -kategorien. Unsere Ergebnisse zeigen die weit verbreitete Verwendung bestimmter Muster, wie z.B. Proxy- und Factory-Patterns, was ihre Kompatibilität mit den gängigen Programmiersprachen widerspiegelt. Überraschenderweise wurden keine neuen Entwurfsmuster speziell für KI-Planungssoftware entdeckt, was den Bedarf an weiterer Forschung in diesem Bereich unterstreicht. Darüber hinaus unterstreicht das Fehlen einer dedizierten Architekturdokumentation in den Forschungsarbeiten die Bedeutung der Identifizierung effektiver Entwurfsmuster zur Verbesserung der Gesamtqualität der Entwicklungs- und Wartungsprozesse von KI-Planungssoftware.