kvalitativno usmerjanje genetskih algoritmov pri vodenju dinami nih sistemov n.
Download
Skip this Video
Download Presentation
Kvalitativno usmerjanje genetskih algoritmov pri vodenju dinamičnih sistemov

Loading in 2 Seconds...

play fullscreen
1 / 17

Kvalitativno usmerjanje genetskih algoritmov pri vodenju dinamičnih sistemov - PowerPoint PPT Presentation


  • 134 Views
  • Uploaded on

DIPLOMSKA NALOGA. Kvalitativno usmerjanje genetskih algoritmov pri vodenju dinamičnih sistemov. Gregor Leban mentor: prof. dr. Ivan Bratko. Namen. Genetski algoritmi pri svojem delovanju običajno ne uporabljajo nobenega znanja o problemu, ki ga rešujejo. Dodatno znanje → pohitritev razvoja?

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

PowerPoint Slideshow about 'Kvalitativno usmerjanje genetskih algoritmov pri vodenju dinamičnih sistemov' - gitel


Download Now An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript
kvalitativno usmerjanje genetskih algoritmov pri vodenju dinami nih sistemov

DIPLOMSKA NALOGA

Kvalitativno usmerjanje genetskih algoritmov pri vodenju dinamičnih sistemov

Gregor Leban

mentor: prof. dr. Ivan Bratko

namen
Namen
  • Genetski algoritmi pri svojem delovanju običajno ne uporabljajo nobenega znanja o problemu, ki ga rešujejo.
  • Dodatno znanje → pohitritev razvoja?
  • Moja eksperimentalna domena: vodenje dinamičnih sistemov
  • Kvalitativno znanje
vozi ek z navpi no postavljeno palico
Voziček z navpično postavljeno palico

Naloga: premik vozička iz začetnega stabilnega položaja X0 do stabilnega ciljnega položaja X1, ne da bi pri tem padla palica.

kontejnerski erjav
Kontejnerski žerjav

Naloga: premik tovora iz začetnega položaja (X0,L0) do ciljnega položaja (X1,LG), pri čemer tovor na cilju ne sme nihati

vodenje dinami nega sistema
Vodenje dinamičnega sistema
  • bang-bang način vodenja (2 vrednosti za silo)
  • Kontroler je bil predstavljen v obliki kontrolne tabele
kvalitativno sklepanje
Kvalitativno sklepanje
  • Posplošene vrednosti spremenljivk
    • O vsaki spremenljivki imamo 2 podatka:
      • Vrednost spremenljivke
      • Vrednost odvoda
    • Vrednosti spremenljivke so lahko:
      • Odlikovane vrednosti (npr. za X’): minf, mmax, zero, max, inf
      • Interval med dvema sosednjima o.v.: zero..max
    • Smeri spreminjanja: inc, std, dec
  • Kvalitativne omejitve
    • Y=M+(X), Y=M-(X)
    • Pospešek = deriv(Hitrost)
    • Z = sum(X,Y)
iskanje kvalitativne re itve
Iskanje kvalitativne rešitve
  • QSIM za Prolog (I. Bratko)
  • Kvalitativna modela dinamičnih sistemov

mL’’cos  + (m+M)X’’ + mL ’sin  = F

( J - mL2 ) ’’ + mLX’’ - mgL  = 0

X’’ = - M0+() + M0+(F)

’’ = M0+() - M0+(F)

  • Postopek:
    • Izgradnja prostora veljavnih stanj
    • Povezava med sosednjimi stanji
    • Iskanje poti v grafu
      • Velikost grafa: 300 stanj, 1000 prehodov
genetski algoritem
Genetski algoritem
  • Implementacija:
    • Reprodukcija v stabilnem stanju
    • Linearna normalizacija
    • Operatorja: mutacija, dvomestno križanje
    • Funkcija uspešnosti:

VAL = 1000*UP + 1000*GOAL -

  • Eksperimenti:
    • Različne oblike kontrolnih tabel
      • Dolžine osebkov:
        • Do 600 bitov pri vozičku
        • Do 2300 bitov pri žerjavu
    • Razne verjetnosti mutacije
uporaba kvalitativne re itve v genetskem algoritmu
Uporaba kvalitativne rešitve v genetskem algoritmu
  • Spremenil operator mutacije:
    • Naključno izbiranje ene vrstice kontrolne tabele.
    • Preveri, ali za izbrano vrstico obstaja stanje v kvalitativni rešitvi, ki bi enolično določalo pravilno vrednost sile.
    • Če tako stanje obstaja in je trenutna vrednost sile napačna, potem spremeni vrednost sile in končaj. Sicer se vrni na točko 1.
  • Če v 10 poskusih ne izvedemo prilagojene mutacije izvedemo običajno naključno mutacijo
zaklju ki
Zaključki
  • Poskusi kažejo, da se z uporabo kvalitativne rešitve znatno pohitri razvoj genetskega algoritma
  • prednosti in slabosti
prednosti uporabe kvalitativne re itve
Prednosti uporabe kvalitativne rešitve
  • Opazna pohitritev razvoja osebkov. Tipične dosežene pohitritve:
    • za voziček: 2 – 3 kratna
    • za žerjav: 2 – 50 kratna
  • Kvalitativna rešitev je robustna, neodvisna od vrednosti parametrov
te ave pri uporabi kvalitativne re itve
Težave pri uporabi kvalitativne rešitve
  • Potrebne so posplošitve modela
  • Časovno zahtevno iskanje kvalitativnih rešitev
  • Veliko število možnih vedenj. Kako izbrati pravo vedenje?
  • Mutacija, ki uporablja kvalitativno znanje, potrebuje 10 krat več časa za izračun, kot običajna mutacija
nadaljnje delo
Nadaljnje delo
  • uporaba drugih kvalitativnih rešitev, ki jih kvalitativna modela ponujata
  • indukcija kvalitativnega modela iz posnetkov vodenja
  • pohitritev iskanja kvalitativne rešitve
    • spremembe v kvalitativnem modelu
    • usmerjeno preiskovanje prostora stanj
ad