Разработка программного средства 3Genetic для генерации автоматов управления системами со сложным поведением

ГОСУДАРСТВЕННЫЙУНИВЕРСИТЕТ

Разработка программного средства 3Genetic для генерации автоматов

управления системами со сложным поведением

Государственный контракт № 02.514.11.4044 «Технология генетического программирования для генерации автоматов

управления системами со сложным поведением»Руководитель проекта – А. А. Шалыто

Авторы доклада: А. А. Давыдов, Н. И. Поликарпова, Д. О. Соколов, Ф. Н. Царев

XXXVIII научная и учебно-методическая конференция СПбГУ ИТМО

4 февраля 2009 г.

Разработка программного средства 3Genetic для генерации автоматов управления системами со сложным поведением

2


Парадигма автоматного программирования

Предложено в России в 1991 году

Программные системы разрабатываются как системы взаимодействующих автоматизированных объектов управления

Система управления является системой взаимодействующих конечных автоматов

Система управления

Объект управления

E, X2

Z X1

Состояния События и входные

переменные Выходные воздействия Конечный автомат Система конечных

автоматов


3


Решаемая проблема

Основная сложность в автоматном программировании – построение автоматов

В большинстве случаев автоматы проектируются вручную

Однако эвристическое построение автоматов часто затруднено или невозможно

Решение – автоматическое построение конечных автоматов с помощью генетического программирования


4


Рассматриваемая задача – управление моделью беспилотного летательного аппарата

Предлагаемые методы рассматриваются на примере задачи управления моделью беспилотного летательного аппарата

Соревнование на дальность полета Две команды по восемь аппаратов Ограничения: запас топлива, столкновения,

аэродинамическое взаимодействие Цель – разработка управляющей программы Была решена путем эвристического построения

автоматов (http://is.ifmo.ru/unimod-projects/plates/)


5


Аэродинамическое взаимодействие

Области пониженного

сопротивления воздуха

Области повышенного

сопротивления воздуха

20°

20°20°

20°

– –+ +


6


Значение функции переходов (номер целевого состояния)

x0 x1

0 0

0 1

1 0

1 1

s

0

1

0

2

0

z0 z1 z2

0 1

1 0 1

0 1 0

1 1 1

Естественный способ записи хромосомы состояния – табличное представление функций переходов и действий

Полная таблица состояния

Значения предикатов (аргументов

функций переходов и

действий)

Значение функции действий

(множество действий)

Известный метод – полные таблицы переходов


7


Предлагаемые методы

Метод сокращенных таблиц переходовМетод представления автоматов

деревьями решенийМетод совместного применения

конечных автоматов и нейронных сетей


8


Представление автоматов деревьями решений

Представлен Даниловым В. Р. на этом же заседании конференции.


9


Проблема полных таблиц – экспоненциальный рост размера хромосомы с увеличением числа предикатов

В реальных задачах предикаты имеют «локальную природу»

Одно из решений: ограничить число предикатов, значимых в каждом состоянии

x1 x3

0 0

0 1

1 0

1 1

s

0

1

0

2

0

z0 z1 z2

0 1

1 0 1

0 1 0

1 1 1

x0 x1 x2 x3 x4 x5

0 1 0 1 0 0

Множество значимых предикатов

Метод сокращенных таблиц переходов (1)

Сокращенная таблица переходов


10


x0 x1 x2 x3 x4 x5

0 1 0 1 0 0

0 1 0 0 1 0

p(1-p)

Мутация множества значимых предикатов:

каждый значимый предикат с некоторой вероятностью заменяется незначимым

Мутация остальной хромосомы происходит так же, как для полных таблиц

1 1

1 1

11

11

11/2 1/2

Выбор значимых предикатов детей при скрещивании

сокращенных таблиц

При заполнении таблиц детей несколько ячеек родительских таблиц голосуют за значение в одной ячейке

таблицы ребенка

Метод сокращенных таблиц переходов (2). Операции мутации и скрещивания


11


Метод совместного применения конечных автоматов и нейронных сетей (1)

Система управления = нейронная сеть + конечный автомат

Нейронная сеть преобразует вещественные входные переменные в логические

S

S

S

S

L

L

L

Относительные координаты«товарища» по команде

Относительные координатысоперников

Угол с направлением «вперед»

Время до столкновенияс ближайшей стеной

1

4

3

2

5

6

7

Конечныйавтомат

Летающаятарелка


12


Метод совместного применения конечных автоматов и нейронных сетей (2). Структура хромосомы

Особь = две системы управления беспилотным объектом

Особь из двух систем – для учета взаимодействия объектов

Особь

Система управлениялетающей тарелкой

Система управлениялетающей тарелкой

Нейронномер 1


...

Состояниеномер 1

Состояниеномер N

...



...

Состояниеномер 1

Состояниеномер N

...

Нейроннаясеть


Нейроннаясеть



13


Метод совместного применения конечных автоматов и нейронных сетей (3).Скрещивание и мутация

Мутация особи Мутация нейронной сети Мутация конечного автомата

Скрещивание особей Скрещивание автоматов Скрещивание нейронных сетей


14


Особенности методов

Метод сокращенных таблиц переходов – в каждом состоянии переход выбирается на основе значений только небольшого числа входных переменных.

Метод представления деревьев решений – в каждом состоянии переменные имеют разные приоритеты.

Метод совместного применения нейронных сетей и конечных автоматов позволяет автоматически строить входные переменные логического типа на основе переменных произвольного числового типа.


15


Результаты применения генетического программирования

Построение вручную

Деревья решений

Сокращенные таблицы

Автоматы + нейронные сети

Степень автоматизации построения

Низкая Средняя Средняя Высокая

Сложность системы управления

7 автоматов, 24 состояния

один автомат, шесть состояний

один автомат, шесть состояний

2 автомата по 6 состояний, две нейронных сети

Дальность полета

От 200 до 225, в среднем – 215

От 200 до 305,в среднем – 235




16


Программное средство 3Genetic

3Genetic – поддерживает перечисленные методы

Состоит из ядра и подключаемых модулей: ядро обеспечивает взаимосвязь между модулями и

визуализацию модуль «Задача» модуль «Особь» модуль «Генетический алгоритм» модуль «Визуализатор» модуль «Функтор»


17


3Genetic

Генетические алгоритмы и способы представления хромосом реализованы в виде подключаемых модулей


18


Результаты

Разработаны три метода генетического программирования для генерации автоматов управления системами со сложным поведением

Эффективность методов продемонстрирована на задаче построения системы управления моделью беспилотного летательного аппарата

Разработан прототип программного средства, поддерживающего указанные методы


19


Спасибо за внимание

ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ

Documents

Разработка программного средства 3Genetic для генерации автоматов управления системами со сложным поведением