S mravencem ve Fukuoce na astronautickém kongresu IAF 2005 Japonsko Fakulta aplikované informatiky Univerzita Tomáše Bati ve Zlíně Ing. Zuzana Oplatková 23. února 2006 Planetárium, Praha

Jak to celé začalo... •Byla mi doporučena web stránka •Následovalo napsání abstraktu •Čekání na výsledek předvýběru ESA •Poslání abstraktu přímo k výběru na kongres IAF •A výsledek se dostavil •Byla jste vybrána k ústní prezentaci •Poslat článek •Huráááááááá!!!! jede se do Japonska, teda letííí

Můj projekt •Nastavení optimální trajektorie robota s využitím symbolické regrese •komparativní studie Analytického programování s Genetickým, kde robot byl definován jako umělý mravenec, který má sníst všechno jídlo na vyznačené cestě

Symbolická regrese s použitím evolučních algoritmů •Genetické Programování – John Koza •Gramatická Evoluce – Conor Ryan •Analytické Programování – Ivan Zelinka

Evoluční algoritmy •nástroj umělé inteligence pro optimalizaci •nalezení optimálních (nejlepších možných) hodnot nějaké zadané úlohy •příklad – obchodní cestující má seznam měst, které objet, nejlépe co nejrychleji a nejkratší cestou, aby se co nejvíce ušetřilo – času i financí •úlohu popisuje tzv. účelová funkce

Evoluční algoritmy – účelová funkce •optimální hodnoty jsou v extrému (minimu) účelové funkce •příklady jednoduché jednoextrémové a složitějších víceextrémových funkcí

Evoluční algoritmy – jak fungují •populace jedinců, kteří obsahují numerické hodnoty argumentů účelové funkce •v první populaci jsou hodnoty vygenerované náhodně •každý jedinec je ohodnocen kvalitou – jak moc se blíží k extrému – hodnota účelové funkce (CFE) •CFE je hlavním kriteriem pro vývoj populace na základě operací typu křížení jedinců, mutace jedinců a podobné operátory, které jsou různé pro různé evoluční algoritmy •cílem je vyšlechtit jedince, který (kteří) dosáhnou extrému

Symbolická regrese – Analytické programování •nadstavba evolučních algoritmů •cílem je najít symbolický zápis, který proloží změřená data co nejlépe •Analytické programování zajišťuje generování symbolického zápisu a evoluční algoritmy hledají nejlepší zápis •účelová funkce je tedy rozdíl právě vygenerované funkce a dodaných ( změřených) dat •nejlepší řešení je takové, kde účelová funkce je nulová F cost = |DataSet – F AP (t )|

Analytické programování II •princip generování symbolického zápisu •funkční předpis je generován z jednoduchých funkcí •jedinec obsahuje číselné indexy •jednoduché funkce se seskládají do složitého až před ohodnocením kvality •operace evolučních algoritmů probíhají na číselném indexu ^ / - z / x

Analytické programování III •Analytické programování pracuje nejen s klasickými matematickými funkcemi typu plus, minus, proměnné x, konstant, ale také •s textovými výrazy typu And, Nand – pro design elektronických obvodů •nebo s příkazy typu Jdi rovně, zahni vprava, zahni vlevo, jako je v případě umělého mravence

Robot alias umělý mravenec Stezka Santa Fe Sada jednoduchých funkcí GFS0 = {Left, Right, Move} GFS2 = {IfFoodAhead, Prog2} GFS3 = {Prog3} Účelová funkce CV = 89 – NumberFood černá – jídlo, něco, co se dá sebrat šedá = bílá – volné políčko

Použité evoluční algoritmy SamoOrganizující se Migrační Algoritmus (SOMA) Diferenciální Evoluce (DE) ParametrHodnota PathLength3 Step0.22 PRT0.21 PopSize200 Migrations50 MinDiv-0.1 Délka jedince50 ParametrHodnota NP2000 F2 CR0.2 Generation s 1000 Délka jedince 50

Výsledky simulací - DE DE simulací - 1 Počet ohodnocení účelové funkce = 9493 Potřebné kroky k sebrání veškerého jídla = 409

Výsledky simulací II - SOMA Počet příkazů Počet kroků Počet příkazů Maximum50 Minimum11 Průměr33 Počet ohodnocení účelové funkce u SOMA Minimum3 396 Maximum Průměr Počet kroků Maximum606 Minimum396 Průměr559

Výsledky simulací III Nejrychlejší cesta z pohledu počtu kroků, ale jeden z nejdelších zápisů Nejkratší zápis, ale jedna z nejdelších cest, co se kroků týká 396 kroků 594 kroků

Závěry •Analytické programování je schopné řešit problémy symbolické regrese •V porovnání s Genetickým programováním rychlejší (menší počet ohodnocení účelové funkce a menší počet jedinců v populaci) GP – (GA)AP – (SOMA,DE) počet jedinců počet ohodnocení •AP umožňuje použít jakýkoli evoluční algoritmus, GP pouze Genetické algoritmy

Závěry II – použití AP •matematická regrese – fitování neznámých dat vhodnou křivkou •design elektronických obvodů •nastavení optimální trajektorie robota •identifikace soustav v řízení •další aplikace typu řízení chaosu •vhodné posloupnosti příkazů pro činnost robota •....

A po práci legrace... •Cestě do Japonska předcházela návštěva centra ESTEC (Evropský vesmírný výzkum a technologické centrum) v Noordwijcku v Holandsku •prezentace o navigaci, vesmírné stanici, prohlídka centra – výzkumníci a kosmonauti v akci •Následovala sada fotek, které je možné vidět i na Aby prezentace nenabírala na své objemnosti

ESTEC - foto

Zamávali jsme ESTECu a čekal nás dlouhý let do Japonska...

Typický japonský hotel - ryokan

Japonské jídlo

Kongres IAF 2005

Kongres IAF 2005 II

A to je vše  Děkuji za pozornost a někdy zase nashledanou Dotazy ráda zodpovím hned popř. na u