Реферат: Полная параллельная поддержка для систем планирования, основанных на случаях

Московский Государственный институтрадиотехники, электроники и автоматики

(Технический университет)

кафедра: ИТС

Факультет: Кибернетики

КУРСОВАЯ РАБОТА

по курсу: Интеллектуальные системыуправления

тема: Полная параллельная поддержка длясистем планирования, основанных на случаях

студент: Частухин Виталий

группа: АИ-1-93

руководитель: Захаров

МОСКВА 1996

Полная параллельнаяподдержка для систем планирования, основанных на случаях

Описание

Типичная системапланирования, основанная на случаях решает новые задачи путем поиска подобныхслучаев в памяти и выбора одного или нескольких, наиболее подходящих кпоставленной задаче. Система подгоняет выбранные случаи к новому плану, которыйвычисляется для текущей задачи. После отработки ошибочных случаев в новомплане, система сохраняет его как новый случай для возможного повторногоиспользования (и отключается от его выполнения).

Система планирования,основанная на случаях отличается от систем генерирования планов, таких какНонлин (от англ. “Nonlinear” — нелинейный), которые строят плохо подобранныйплан путем поиска подходящего фрагмента плана, расширения этого фрагмента путемдобавления в него действий и затем проверки расширенного фрагмента плана на“вредность” и “полезность” взаимодействий между внедренными действиями. Этодорогой процесс.

Системы планирования,основанные на случаях действуют иначе (т.е. не начинают с постройки плохоподобранного плана). Планировщик пытается найти наиболее полно подходящий план,в котором все “вредные” взаимодействия уже изъяты.

Большая часть системпланирования, основанных на случаяхиспользует последовательные процедуры для выборки случаев. Они формируютподбираемый образец, который сравнивает свойства поставленной задачи со своимисвойсвами, содержащимися в случае. Однако последовательное сравнение образца скаждым из случаев в настоящей базе случаев, состоящей из сотен или тысячэлементов недопустимо дорого. В результате, эти системы обращаются к памяти редко,зачастую только при восстановлении единичного случая, чтобы приспособиться ковсем целям решаемой задачи. Такие системы могут вести поиск случаев болееэффективно, используя индексацию дляограничения свойств в поисковом образце (посредством этого ограничиваетсяобласть поиска в базе случаев, но такой подход порождает некоторые другиепроблемы).

Система Капер (Системапланирования, основанная на случаях) разработана для непосредственнойпереадресации некоторых задач последовательной выборки на индексированную базуслучаев.

Капер использует полныйпараллелизм Машины Связи (вычислителя) для быстрой выборки случаев и планов изобширной неиндексированной памяти. Система может выбирать случаи и планы,основанные на нескольких свойствах целевой задачи, включающих абстракциицелевых свойств. Контролируя, какое из свойств является свойством образца, атакже его уровень абстракции, таким образом может быть исследован весь диапазонзапросов.

В отличие отпоследовательных планировщиков, Капер может преподнести к выборке сразунесколько планов (или надпланов) для достижения различных частей решаемой задачии далее объединить их в один композитный план, который решает все (или большуючасть) поставленных задач с наибольшей достоверностью.

Рассмотрим также организациюбазы знаний и подбор плана:

а)Организация базы знаний

База знаний организуетсякак семантическая сеть, содержащая представления эпизодических и концептуальныхзнаний. Концепция включает объекты, которые могут иметь физические свойства,действия, которые могут задаваться правилами, начальные условия и следствия.Концепция организуется отношениями is-a (принадлежности), part/whole(частичного порядка) и другими. Представление (концепция) может также содержатьвключения или индивидуальные имена типов, которые представляют часть объектов.

Эпизодические знанияописываются накопленным опытом системы (или опытами, которые были ей сообщенызаранее). Каждому эпизоду ставится в соответствие определенные дата, время,место и другие свойства.

Эпизоды включают случаи(первичная задача планирования), е-планы (первично выполняемые планы),е-действия (первично выполняемые простейшие действия).

Случай состоит из задачипланирования (начальная ситуация — требуемое решение), е-планы генерируются дляее решения и возвращения после их выполнения на начальный уровень. Е-планысостоят из иерархически организованных е-планов (надпланов), каждый из которыхрешает задачи/надзадачи.

В конце иерархии плановимеются е-действия, которые строго индивидуальны (случаи концепции действия).

В Капере узлысемантической сети представляют концепции, имена типов и эпизоды.

Память Капераосуществлена с использованием полной параллельной, основанной на фреймах, системыпредставления знаний, названной Парка.

Капер использует СтруктурныйКонструктор для выборки эпизодов из памяти. Структурный Конструкторрассматривает базу знаний как граф с вершинами, представляющими собой фреймы игранями, представляющими собой слоты (которые связывают собой два фрейма).

б)Подбор плана

Капер-планировщиккомбинирует исходные планы в единый новый план, а Плановый Адаптер исполняетего часть для обнаружения и использования взаимодействий между комбинированнымипланами.

Авторы и названиеоригинала переведенной статьи:

“Massively ParallelSupport for Case-Based Planning”,

Brian P. Kettler, JamesA. Hendler, William A.Anderson, and Matthew P. Evett

еще рефераты

Еще работы по программированию, базе данных

Реферат по программированию, базе данных

Сжатие данных

29 Августа 2013

Реферат по программированию, базе данных

Инженерия знаний. Создание системы "Посредник", заключающей договоры на поставку стройматериалов

29 Августа 2013

Реферат по программированию, базе данных

Программа эмуляции развития популяций животных

29 Августа 2013

Реферат по программированию, базе данных

Объектно-ориентированное программирование на С с использованием библиотеки OpenGL

29 Августа 2013