Диссертация (1090784), страница 8
Текст из файла (страница 8)
2.8, а с изображенной на нем циклограммойвыполнения технологических операций МАРС, присутствуют отрезкивремени, в течение которых протекает выполнение менее трех потенциальновозможных операций. Такие ситуации возникают, когда освободившийсяисполнитель ожидает завершения операций, выполняемых другими членамимногоагентной группировки.Важно констатировать, что сценарные модели решения реальныхприкладных задач описываются на уровне макроопераций. При этомкомандное указание на выполнение каждой отдельной технологическойоперации, с одной стороны, является командой исполнительного уровняинтеллектуальной системы группового управления, а с другой, реализуетсяна стратегическом уровне управления автономного агента в соответствии сосценариями и правилами целесообразного поведения, заложенными в базезнаний его интеллектуальной информационно-управляющей системы [22].Так, в частности, как показано на рис.
2.9, команда на выполнениеочередной макрооперации по установке кубика в пирамиду (в рамкахсценариевцелесообразногоповеденияинтеллектуальныхавтономныхроботов) предполагает выполнение тактических подзадач по его поиску,56захвату, транспортировке и собственно установке. Именно последний изперечисленных этапов требует необходимости проверки завершенностипредыдущих макроопераций. В то же время, все остальные этапы могли быпроводиться независимо от состояния установки нижележащих опорныхэлементов конструкции.Рис. 2.9. Представление знаний в многоагентных робототехнических системах на основетехнологии конечных автоматовРеализация подобного подхода предполагает, что синтез типовогоконечного автомата, как стандартного элемента представления знаний дляпостроения моделей планирования заданий в составе МАРС, будетосуществляться с условием, что выдача команды на выполнение даннойконкретной макрооперации, возможна не только после поступлении сигнала,57свидетельствующего о полном завершении предшествующих операций, но ипосле сигнала о передаче этих операций на выполнение:K O ' U O ' , X O ' , Y O ' , f O ' , hO ' ,(2.6)гдеU O ' u0O , u1O , u2O , u3O - входной алфавит;X O ' x0O , x1O , x2O , x3O - алфавит состояний;Y O ' y0O , y1O , y2O , y3O - выходной алфавит, в соответствии с табл.
2.5;f O , hO - функции переходов и выходов, задаваемые табл. 2.6, инаглядно изображенные диаграммой на рис 2.10.Табл. 2.5. Модифицированные алфавиты конечного автомата в моделипроцесса выполнения технологической операцииВходной алфавитАлфавит состоянийВыходной алфавитu0O - входной сигнал,свидетельствующий, чтоне все предшествующиеоперации завершены илипереданы на выполнениеu1O - входной сигнал оботсутствииневыполненных операцийпредшествующих даннойx0O- состояние y0O - выходной сигнал,«операцияне подтверждающий,чтовыполнена»операция находится всостоянии «не выполнена»- состояние y1O - выходной сигнал,x1O«операция передана подтверждающий,чтона выполнение»операция передана навыполнение- состояние y2O - выходной сигнал,u2O - входной сигнал о x2Oзавершенииданной «операцияподтверждающий,чтоконкретной операциивыполнена»операция выполненаu3O - входной сигнал,свидетельствующий, чтовсепредшествующиеоперации завершены илипереданы на выполнение- состояниеx3O«операция переданана выполнение спроверкойпредусловийреализуемости»58y3O - входной сигнал,подтверждающий,чтооперация передана навыполнение с проверкойпредусловийреализуемости.Табл.
2.6. Таблица переходов модифицированного конечного автомата,контролирующего выполнение технологической операцииСостоянияx0Ox1Ox2Ox3Ou0Ox0Ox1Ox2Ox3Ou1Ox1Ox1Ox2Ox1Ou2Ox0Ox2Ox2Ox3Ou3Ox3Ox1Ox2Ox2OВыходыy0Oy1Oy2Oy3OВходыРис. 2.10. Диаграмма переходов конечного автомата, контролирующего выполнениеоперации в составе сценария решения поставленной прикладной задачи с учетомвозможности предраспределения заданийРезультаты экспериментальных исследований, один из фрагментовкоторых приведен на рис.
2.11, полностью подтвердили преимуществасценарныхмоделейпланированиязаданий59спредраспределениемвыполняемых операций на примере задачи сборки кубиков в пирамидугруппой роботов, действующих в составе МАРС.Рис. 2.11. Моделирование процессов планирования заданий в составе МАРС спредраспределением операций при решении задачи сборки кубиков в пирамидуПостановкапроведенныхэкспериментовпредполагалаоценкуэффективности функционирования МАРС в составе 6 мобильных роботовпри использовании различных моделей планирования заданий в комплекснойзадаче возведения блочной конструкции. Сравнение временных затрат навыполнение групповой задачи с наличием и отсутствием предраспределениявыполняемых агентами операций при прочих равных условиях представленов табл. 2.7.Анализ полученных данных со всей убедительностью свидетельствуето том, что обоснованный выбор способа представления знаний дляпостроения моделей планирования заданий в составе МАРС с учетомособенностейихреализациипозволяетсущественносократитьпродолжительность простоев отдельных исполнителей, а на этой основе, исуммарноевремярешенияобщейприкладнойпредраспределения технологических операций.60задачизасчетТабл.
2.7. Сравнение времени, затраченного МАРС на выполнение групповойзадачи при различных моделях планирования№ОпытаОбщее времявыполнениязадания, с.Предраспределение123456СреднееВыкл.Вкл.1501672491551872091861111361161089488109Сокращениевременивыполнениязадания, %26195330505841Среднее время простоя Сокращениеробототехническихвремениагентов, с.простоев, %ПредраспределениеВыкл.Вкл.11413521912713815714861736757393455464669557178622.2 Модель и алгоритм распределения заданий в МАРСФункциональные возможности, работоспособность и эффективностьмногоагентной системы, создаваемой для решения конкретных прикладныхзадач, во многом предопределяются организаций процедур распределениязаданий между исполнителями с учетом имеющихся у них возможностей.При этом специфика проблемной области по существу обуславливает выборсоответствующих методов и алгоритмов.Так, например, один из наиболее активно развиваемых в теориимногоагентных систем подходов, связан с использованием методов сетевыхпереговоров и компенсационных торгов [10, 34] для распределенияфинансовых, материальных и других ресурсов при решении задач логистики,формирования портфелей заказов и т.д.Важно отметить, что распределение заданий в многоагентныхробототехнических системах должно осуществляться не только исходя изусловий обоснованного выбора исполнителей по критерию минимизациирасходуемых ресурсов, но и удовлетворять требованиям реального времени.612.2.1 Оценка пригодности робототехнического агента для выполнениятехнологической операцииВыбор робототехнических агентов для передачи на выполнение тойили иной технологической операции должен производиться, во-первых, сучетом их занятости выполнением других подзадач, а, во-вторых, c учетомпотенциальной пригодности агента для выполнения конкретной подзадачи.В общем случае полезность или пригодность агента для проведенияконкретной технологической операции определяется двумя ключевымифакторами - принципиальным наличием необходимых функциональныхвозможностей и величиной имеющихся ресурсов, что в формализованнойформе представления приобретает следующий вид: Jf 1 Fj j 1R,(2.7)гдеFi - логическая переменная, характеризующая наличие или отсутствиеу агента необходимой функциональной возможности для выполнениярассматриваемой технологической операции и принимающая значениесоответственно 0 или 1;R - количественная оценка полезности агента с позиций имеющихся(илиостающихся)унегоресурсовдля(илипосле)выполнениярассматриваемой технологической операции.Так, например, необходимый набор функциональных характеристикагента,выполняющегооперациютранспортировкинекотороготехнологического объекта, должен как минимум включать возможностьманипулирования грузами определенной массы и целенаправленногоперемещения на требуемые расстояния в среде соответствующего типа сприсущим ей рельефом, условиями проходимости и т.д.
Полезность агентаможет быть оценена на основе расстояния до объекта, которое он долженпреодолеть непосредственно перед транспортировкой.62Количественная оценка полезности агента, формируемая в качествеобобщенного критерия обоснованного выбора среди прочих равныхисполнителей наиболее подходящего для рассматриваемой технологическойоперации по запасу имеющихся ресурсов, может быть представлена ваддитивной (или мультипликативной) форме [17]:IR ki rii 1,(2.8)гдеki-весовойкоэффициент,характеризующийзначимостьсоответствующего вида ресурса в составе обобщенной оценки;ri - количественная оценка запаса соответствующего вида ресурса,имеющегося в распоряжении агента.При этом под ресурсом понимается количественная характеристиканекоторого свойства или состояния системы, которое является одной изсоставляющих обеспечения ее работоспособности или целесообразностиприменения.Подобная трактовка позволяет использовать выражения (2.7, 2.8) дляоценки полезности агентов с учетом всей совокупности прагматическиважных факторов, включая такие как близость к месту проведенияконкретной операции, текущее значение скорости движения и т.д.2.2.2 Поиск оптимального назначения роботов на выполнениетехнологических операцийРассмотримзадачугрупповоговыполнениятехнологическогосценария, в которой распределитель заданий решает проблему поискаоптимального множества назначений видаA i1 , i2 ,..., iR , i j 1,2,...,T ,где63(2.9)ij – порядковый номер технологической операции;R – количество незанятых роботов,T – количество технологических операций.В целях описания механизма поиска оптимального распределениязадач между роботами введем понятие матрицы пригодности:,(2.10)гдеi=1..R – номер робота,j=1..T – номер технологической операции.Для того чтобы задать одно из допустимых множеств назначений,необходимосвободномув каждойi-йстрокеробототехническомуэтойматрицыагенту)выбрать(соответствующейji-ыйэлемент(соответствующий технологической операции).