Методы искусственного интеллекта в робототехнике (2 варианта) (1088971), страница 4

Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 4)

Наиболее распространенный вид мутаций - случайноеизменение только одного из генов хромосомы.россинговер (в литературе по генетическим алгоритмам также употребляется названиекроссовер или скрещивание) - это операция, при которой из двух хромосом порождаетсяодна или несколько новых хромосом. Одноточечный кросинговер работает следующимобразом. Сначала, случайным образом выбирается одна из l-1 точек разрыва. (Точкаразрыва - участок между соседними битами в строке.) Обе родительские структуры в этойточке разрываются на два сегмента. Потом, соответствующие сегменты разных родителейсклеиваются и выходят два генотипа потомков.Например, предположим, один родитель состоит из 10 нулей, а другой - с 10 единиц.Пусть из 9 возможных точек разрыва избрана точка 3.

Родители и их потомки показаныниже.КроссинговерРодитель 1 0000000000 000~0000000--> 111~0000000 1110000000 Потомок 1Родитель 2 1111111111 111~1111111 --> 000~1111111 0001111111 Потомок 2После того как заканчивается стадия кроссинговера, выполняются операторы мутации. Встроке, к которой применяется мутация, каждый бит с вероятностью Pm изменяется напротивоположный. Популяция, полученная после мутации записывает поверх старой ицикл одного поколения завершается. Следующие поколения обрабатываются подобнымобразом: отбор, кроссинговер и мутация.В настоящее время исследователи генов предлагают другие операторы отбора,кроссинговера и мутации.

Ниже приведены наиболее распространенные.Элитные методы отбора гарантируют, что при отборе обязательно будут выживатьлучший или лучшие члены популяции совокупности. Наиболее распространена процедураобязательного сохранения только одной лучшей особи, если она не прошла как другиечерез процесс отбора, кроссинговера и мутации. Элитизм может быть введен практическив любой стандартный метод отбора.вухточечный кроссинговер и равномерный кроссинговер - достойные альтернативыодноточечному оператору.

В двухточечном кроссинговере выбираются две точки разрыва,и родительские хромосомы обмениваются сегментом, находящемся между этими точками.В равномерном кроссинговере, каждый бит первого родителя наследуется первымпотомком с заданной вероятностью, в противном случае этот бит передается второмупотомку. И наоборот.Преимущества генетических алгоритмов: Они не требуют никакой информации о поверхности ответа; Разрывы, существующие на поверхности ответа имеют незначительный эффект наполную эффективность оптимизации; Они стойки к попаданию в локальные оптимумы; Они хорошо работают при решении крупномасштабных проблем оптимизации; Могут быть использованы для широкого класса задач; Просты и прозрачны в реализации; Могут быть использованы в задачах с изменяющейся средой.Применение генетического алгоритма.Генетический алгоритм обычно применяется в задачах поиска решения сложной,вычислительно трудоемкой задачи, чаще всего с огромным числом параметров.Например, поиск функции наилучшего приближения в виде полинома с наименьшимчислом членов и достаточно большим числом независимых переменных при малом числеизмерений.В двух случаях генетические алгоритмы очень хороши.

Первый случай: когда неизвестен способ точного решения задачи. Если мы знаем, как оценить приспособленностьхромосом, то всегда можем заставить генетический алгоритм решать эту задачу. Второйслучай: когда способ для точного решения существует, но он очень сложен в реализации,требует больших затрат времени и денег, то есть, попросту говоря, дело того не стоит.Пример - создание программы для составления персонального расписания на основетехники покрытия множеств с использованием линейного программирования.остоинства ГА: Отсутствует ограничение на дифференцируемость функций.

В частности, ГАработает и тогда, когда функции нет вообще. Гибкость - хорошо работает при минимуме информации об окружающей среде(при высокой степени априорной неограниченности). В ряде случаев ГА может находить только логический минимум (максимум).Несмотря на это, дает быстрое нахождение приемлемого решения. Комбинируется с другими методами искусственного интеллекта и егоэффективность может повышаться.Вопрос 7Многоагентная система (МАС, англ. Multi-agent system) — это система, образованнаянесколькими взаимодействующими интеллектуальными агентами. Многоагентныесистемы могут быть использованы для решения таких проблем, которые сложно илиневозможно решить с помощью одного агента или монолитной системы (англ.).Примерами таких задач являются онлайн-торговля, ликвидация чрезвычайных ситуаций, имоделирование социальных структур.В искусственном интеллекте, под термином интеллектуальный агент понимаютсяразумные сущности, наблюдающие за окружающей средой и действующие в ней, приэтом их поведение рационально в том смысле, что они способны к пониманию и ихдействия всегда направлены на достижение какой-либо цели.

Такой агент может быть какроботом, так и встроенной программной системой. Об интеллектуальности агента можноговорить, если он взаимодействует с окружающей средой примерно так же, какдействовал бы человек.В многоагентной системе агенты имеют несколько важных характеристик: Автономность: агенты, хотя бы частично, независимы Ограниченность представления: ни у одного из агентов нет представления о всейсистеме, или система слишком сложна, чтобы знание о ней имело практическоеприменение для агента.ецентрализация: нет агентов, управляющих всей системой.Обычно в многоагентных системах исследуются программные агенты. Тем не менее,составляющими мультиагентной системы могут также быть роботы, люди или командылюдей.

Также, многоагентные системы могут содержать и смешанные команды.В многоагентных системах может проявляться самоорганизация и сложное поведениедаже если стратегия поведения каждого агента достаточно проста. Это лежит в основе такназываемого роевого интеллекта.Агенты могут обмениваться полученными знаниями, используя некоторый специальныйязык и подчиняясь установленным правилам «общения» (протоколам) в системе.Примерами таких языков являются Knowledge Query Manipulation Language (KQML) иFIPA’s Agent Communication Language (ACL).Чтобы активно выполнять свои функции, интеллектуальные агенты обычно имеютиерархическую структуру, включающую много «субагентов». Интеллектуальныесубагенты обрабатывают и выполняют низкоуровневые функции. Интеллектуальныеагенты и субагенты составляют полную систему, которая способна выполнять сложныезадачи.

При этом поведение системы создаёт впечатление разумности.Существует несколько типов субагентов:1. Временные агенты (для принятия оперативных решений)2. Пространственные клиенты (для взаимодействия с реальным миром)3. Сенсорные агенты (обрабатывают сенсорные сигналы — к примеру агенты,работающие на основе нейросети)4. Обрабатывающие агенты (решают проблемы типа распознавания речи)5.

Принимающие решение агенты6. Обучающие агенты (для создания структур и баз данных для остальныхинтеллектуальных агентов)7. Мировые агенты (объединяют в себе остальные классы агентов для автономногоповедения)Мультиагентное управление позволяет руководить деятельностью автономныхроботов, планировать их поведение и взаимодействие, адаптироваться к изменениям,произошедшим в среде, изучать и разрешать конфликты между роботами настратегическом уровне управления, т.е. с помощью обмена информацией [10].Возможные области исследования и применения:1. Работа в опасной среде. Например, устранение последствий аварий, транспортировка взрывчатых веществ, обезвреживание бомб, минных полей на земле и на море.Большинство существующих роботов для таких задач действуют в режимедистанционного управления.

Следующим важным шагом является предоставление такимроботам автономии.2. Сборочная линия крупных заводов. Роботы уже давно выполняют такие задачи, каксборка, установка деталей, доставка материалов, сварка и окраска. При решении многихиз этих задач роботы оказались более экономически эффективными по сравнению сработниками-людьми.3. Разведка. Автономные роботы могут проводить исслодования планет, подводныеисследования, могут создавать карты расположения различных объектов, трехмерныемодели карт. Роботы становятся очень эффективными средствами сбора информации втех областях, доступ к которым является сложным (или опасным) для людей.4. Медицина.

Благодаря высокой точности роботы стали незаменимым инструментальным средством при выполнении некоторых видов операций. За последний десятоклет произошел значительный прогресс в миниатюризации медицинской техники: наряду суглублением теоретических исследований появилось достаточное количество практических разработок нанороботов, способных функционировать в качестве автономных иуправляемых на расстоянии сенсоров, источников энергии, сборщиков и передатчиковсобранной информации об организме человека.5. Развлечения. Одной из интересных задач искусственного интеллекта, которые изучаются в этой области,является робототехнический футбол – соревновательная игра,весьма напоминающая тот футбол, в который играют люди, но проводимая с участиемавтономных мобильных роботов.Изучение группового управления агентами предпочтительно начинать с централизованного как наиболее простого алгоритмически.

Последующая область исследований –это развитие децентрализации и присвоение части функций и задач центра на местныйуровень.Задачи, которые необходимо решить в этой области:1. Разработка алгоритмов децентрализованного управления, а именно:– координация движения роботов в пространстве;– распределение общей цели между роботами;– создание алгоритма оптимизации состава роботов на нижнем уровне иерархии(определение оптимального числа роботов, выбор алгоритма распределения общих целей,определение функционального состава).Разработка правил объединения всей иерархической системы управления группойроботов, вплоть до верхнего уровня планирования.2.

Характеристики

Список файлов учебной работы