ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ. στα ΣΥΣΤΗΜΑΤΑ ΓΕΩΓΡΑΦΙΚΩΝ ΠΛΗΡΟΦΟΡΙΩΝ. στη ΧΑΡΤΟΓΡΑΦΙΑ

Transcript

1 ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΑΓΡΟΝΟΜΩΝ ΚΑΙ ΤΟΠΟΓΡΑΦΩΝ ΜΗΧΑΝΙΚΩΝ ΜΕΤΑΠΤΥΧΙΑΚΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ: ΤΕΧΝΙΚΕΣ ΚΑΙ ΜΕΘΟΔΟΙ ΣΤΗΝ ΑΝΑΛΥΣΗ, ΣΧΕΔΙΑΣΗ ΚΑΙ ΔΙΑΧΕΙΡΙΣΗ ΤΟΥ ΧΩΡΟΥ ΚΑΤΕΥΘΥΝΣΗ: ΚΤΗΜΑΤΟΛΟΓΙΟ ΚΑΙ ΔΙΑΧΕΙΡΙΣΗ ΧΩΡΙΚΩΝ ΔΕΔΟΜΕΝΩΝ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ στα ΣΥΣΤΗΜΑΤΑ ΓΕΩΓΡΑΦΙΚΩΝ ΠΛΗΡΟΦΟΡΙΩΝ & στη ΧΑΡΤΟΓΡΑΦΙΑ ΜΕΤΑΠΤΥΧΙΑΚΗ ΔΙΑΤΡΙΒΗ του ΚΑΡΑΜΠΟΥΡΝΙΩΤΗ ΗΡΑΚΛΗ Επιβλέπων: κος. Παρασχάκης Ιωάννης Καθηγητής Τμήματος Αγρονόμων & Τοπογράφων Μηχανικών Θεσσαλονίκη, Νοέμβριος, 2008

2 Η σελίδα αυτή είναι σκόπιμα λευκή.

3 ΚΑΡΑΜΠΟΥΡΝΙΩΤΗΣ ΗΡΑΚΛΗΣ Διπλωματούχος Αγρονόμος & Τοπογράφος Μηχανικός Α.Π.Θ.

4 Η σελίδα αυτή είναι σκόπιμα λευκή.

5 Περιεχόμενα Περιεχόμενα...5 Πρόλογος Ευχαριστίες...9 Σκοπός...10 Περίληψη...11 Abstract...12 Κεφάλαιο Τι είναι Τεχνητή Νοημοσύνη; Συστήματα τα οποία δρουν ως άνθρωποι Συστήματα τα οποία σκέφτονται ως άνθρωποι Συστήματα το οποία σκέφτονται λογικά Συστήματα τα οποία δρουν λογικά Τα θεμέλια της επιστήμης της Τεχνητής Νοημοσύνης Γλώσσες Προγραμματισμού Τεχνητής Νοημοσύνης Scheme Lisp Prolog Κεφάλαιο Νευρωνικά Δίκτυα Μοντέλα Νευρωνικών Δικτύων Μάθηση Εφαρμογές Τεχνητών Νευρωνικών Δικτύων Είδη Τεχνητών Νευρωνικών Δικτύων Δίκτυα Ευθείας Τροφοδότησης Δίκτυα Συνάρτησης Ακτινικής Βάσης Αυτό οργανωμένα δίκτυα Kohonen Επαναληπτικά Δίκτυα Στοχαστικά Νευρωνικά Δίκτυα Αρθρωτά Νευρωνικά Δίκτυα Άλλοι Τύποι Δικτύων Πράκτορας Γενικός ορισμός του πράκτορα Σωστό και Λάθος : Ο λογικός πράκτορας Μέτρηση Απόδοσης Λογικότητα Παντογνωσία Μάθηση Αυτονομία Είδη Πρακτόρων Simple Reflex Agent Model Based Reflex Agent Goal Based Agent Utility Based Agent... 45

6 4.5 Learning Agent Περιβάλλον Ιδιότητες Περιβάλλοντος Εργασίας Στρατηγικές Αναζήτησης Απόδοση Μη Πληροφορούμενες Αναζητήσεις Αναζήτηση Πρώτα κατά Πλάτος Αναζήτηση Ομοιόμορφου Κόστους Αναζήτηση Πρώτα κατά Βάθος Αναζήτηση με Περιορισμό στο Βάθος Αναζήτηση με Επαναληπτική Εμβάθυνση Αμφίδρομη Αναζήτηση Πληροφορούμενες Αναζητήσεις Άπληστη Καλύτερη Πρώτη Αναζήτηση A* Αναζήτηση...59 Κεφάλαιο Εισαγωγή Συστήματα Γεωγραφικών Πληροφοριών Βασισμένα σε Πράκτορες Δυναμικά Μοντέλα Εργαλεία Εξομοίωσης Πολλαπλών Πρακτόρων Το λειτουργικό πλαίσιο ενός εργαλείου ενοποίησης των πρακτόρων με τα Συστήματα Γεωγραφικών Πληροφοριών Οι ανάγκες του μηχανισμού αντίληψης και δράσης του πράκτορα Σμήνη Πρακτόρων Γραφική Διεπαφή Χρήστη Δομές Ελέγχου, Μαθηματικές Συναρτήσεις και άλλα χαρακτηριστικά Πρόταση Εφαρμογής ενός ABGIS Επίπεδο Περιβάλλοντος Επίπεδο Στόχων Κινήτρων Επίπεδο Δράσης...72 Κεφάλαιο Εισαγωγή Εφαρμογές Πρακτόρων στα Συστήματα Γεωγραφικών Πληροφοριών Σύνδεση Σ.Γ.Π. και Λογισμικού Δημιουργίας Χωρικών Μοντέλων Αναζήτηση Χωρικών Δεδομένων και Φιλτράρισμα Έξυπνο Περιβάλλον Διεπαφή GIS βασισμένη σε Πράκτορα για διαδικτυακές εφαρμογές Πράκτορας Διεπαφής για το ArcEdit Πράκτορας Διεπαφής για το ArcInfo Κατανεμημένα Συστήματα Γεωγραφικών Πληροφοριών Αποθήκες Γεωγραφικών Δεδομένων Αποθήκες Δεδομένων, Εξομοίωση, Χωροχρονικές Εφαρμογές Αποθήκες Δεδομένων Αποθήκες Δεδομένων Ένας Ορισμός...88

7 2.6.3 Εξομοίωση Προσομοίωση Χωροχρονικές Εφαρμογές Κατανεμημένα Σ.Γ.Π. βασισμένα σε Κινητούς Πράκτορες GeoAgents MADGIS Τεχνητή Νοημοσύνη και Χαρτογραφία Χαρτογραφική Γενίκευση με την χρήση Πρακτόρων Έλεγχος Ποιότητας Χάρτη με μεθόδους Τεχνητής Νοημοσύνης Κεφάλαιο Εισαγωγή Repast Simphony Ανάπτυξη του μοντέλου Επεξεργασία του αρχείου model.score Ορισμός και Δημιουργία της Συμπεριφοράς του Πράκτορα Ιδιότητες Properties Συμπεριφορά Behavior Εργασίες Tasks Η Διαδικασία της Εξομοίωσης Προσθήκη Απεικόνισης Θεματική Επεξεργασία Η Εξομοίωση Άλλα Στοιχεία Ελέγχου Απόφαση Decision Σύνδεση Join Βρόγχος Loop Πλήρες Υπόδειγμα Πράκτορα Σχόλια Γενίκευση Γραμμών με την χρήση Πρακτόρων Χαρτογραφική Γενίκευση Τεχνικές Χαρτογραφικής Γενίκευσης Αξιολόγηση Τεχνικών Χαρτογραφικής Γενίκευσης Μέθοδοι Γενίκευσης Γραμμής Γενίκευση με την χρήση της οπτικής γωνίας Πράκτορες και Μέθοδος του Οπτικού Πεδίου Ο Πράκτορας Η Δομή του Πράκτορα Το Περιβάλλον Τα Στοιχεία του Περιβάλλοντος Λειτουργία και Εκτέλεση της Εφαρμογής Αλλάζοντας Κλίμακα Ενδιάμεσες Ενέργειες Επιλογή του Εύρους του Οπτικού Πεδίου Ροή Εκτέλεσης Κεφάλαιο

8 1. Προβλήματα Προβλήματα στη Χαρτογραφική Γενίκευση Σημαντικότητα Σημείου Ελάχιστες Κορυφές Σημαντικότητα στα Όρια του Οπτικού Πεδίου Επιλογή του Εύρους του Οπτικού Πεδίου Συμπεράσματα ΒΙΒΛΙΟΓΡΑΦΙΑ...167

9 Πρόλογος Ευχαριστίες Πρωτίστως θα ήθελα να ευχαριστήσω τον καθηγητή μου κ. Παρασχάκη Ιωάννη για την εμπιστοσύνη που μου έδειξε δίνοντας μου την ευκαιρία να εκπονήσω την μεταπτυχιακή μου διατριβή υπό την καθοδήγηση του. Ευχαριστώ τον υποψήφιο Διδάκτορα του τμήματος Αγρονόμων & Τοπογράφων Μηχανικών κ. Ρουστάνη Θεμιστοκλή, για την ανιδιοτελή βοήθεια και συμβουλές του σε θέματα προγραμματισμού και Συστημάτων Γεωγραφικών Πληροφοριών. Εκφράζω την ευγνωμοσύνη μου στην οικογένεια μου που πίστεψε στις δυνατότητες μου και με στήριξε καθ όλη την διάρκεια των σπουδών μου. Επίσης θέλω να ευχαριστήσω τον αδερφό μου Κωνσταντίνο ο οποίος με βοήθησε σε ένα ζήτημα μαθηματικής φύσεως που με απασχόλησε αρκετά κατά την διάρκεια εκπόνησης της παρούσας. Τέλος, ευχαριστώ την γυναίκα μου, Ζωή που με ανέχεται τα τελευταία δέκα χρόνια και με στηρίζει σε ότι αποφασίζω να κάνω. Σελίδα 9 από 169

10 Σκοπός Σκοπός της συγκεκριμένης μεταπτυχιακής διατριβής είναι η αναζήτηση και κατανόηση του τρόπου λειτουργίας της Τεχνητής Νοημοσύνης στο εύρος που επιτρέπει μια τέτοια εργασία και η έρευνα του κατά πόσο είναι εφικτό να εφαρμοστεί αυτή σε Συστήματα Γεωγραφικών Πληροφοριών και στην Χαρτογραφία. Η εφαρμογή μεθόδων Τεχνητής Νοημοσύνης είναι άλλωστε μια διαδικασία η οποία έχει έντονο επιστημονικό ενδιαφέρον και παράλληλα η χρήση της σε ένα πεδίο στο οποίο δεν υπάρχει τόσο έντονη κίνηση όσο σε άλλα αν μη τι άλλο αποτελεί πρόκληση για τον γράφοντα και για τον λόγο αυτό ξεκίνησε και αυτή η προσπάθεια. Σελίδα 10 από 169

11 Περίληψη Το πεδίο της Τεχνητής Νοημοσύνης απλώνεται σε όλες τις επιστήμες αλλά και στις τέχνες. Αποτελεί λοιπόν ένα από τα ευρύτερα επιστημονικά πεδία με πολλές δυνατότητες έρευνας, ανάπτυξης και εφαρμογής. Τέκνα της Τεχνητής Νοημοσύνης είναι τα Νευρωνικά Δίκτυα τα οποία εξομοιώνουν την λειτουργία των νευρώνων του ανθρώπινου νευρικού συστήματος, οι πράκτορες οι οποίοι προσομοιώνουν διάφορα αντικείμενα του πραγματικού κόσμου και τις αντιδράσεις αυτών υπό διάφορες συνθήκες στο περιβάλλον που βρίσκονται, η εξελιγμένη ρομποτική και άλλα. Η εφαρμογή τους στα Συστήματα Γεωγραφικών Πληροφοριών και την Χαρτογραφία είναι ένα από τα σημαντικότερα βήματα τα οποία έγιναν στην πορεία εξέλιξης αυτών. Έτσι προέκυψαν έξυπνα συστήματα, ικανά να λάβουν αποφάσεις για διάφορες καταστάσεις, συστήματα τα οποία αντιδρούν στις μεταβολές που συμβαίνουν στον χώρο τον οποίο επιβλέπουν, χαρτογραφικές διαδικασίες οι οποίες επιταχύνθηκαν ή διευκολύνθηκαν λόγω της υποβοήθησης από την Τεχνητή Νοημοσύνη και άλλα. Η χρήση της Τεχνητής Νοημοσύνης οδήγησε στην αποκέντρωση της επεξεργασίας χωρικών δεδομένων με την εφαρμογή των Mobile Agents στα Σ.Γ.Π. Εξέλιξε την διαδικασία αναζήτησης δεδομένων από αποθήκες με την χρήση πρακτόρων οι οποίοι δρουν στις αποθήκες δεδομένων. Έδωσε νέα ώθηση στις μεθόδους χαρτογραφικής γενίκευσης αυτοματοποιώντας τις διαδικασίες. Η χρήση της Τεχνητής Νοημοσύνης στο πεδίο των γεωεπιστημών είναι ακόμα νέα αλλά έχει αποδώσει αρκετά και η εξέλιξη της θα οδηγήσει τις επιστήμες αυτές σε νέες εφευρέσεις και εφαρμογές. Λέξεις Κλειδιά: Συστήματα Γεωγραφικών Πληροφοριών, Τεχνητή Νοημοσύνη, Πράκτορες, Νευρωνικά Δίκτυα, Χαρτογραφία, Χαρτογραφική Γενίκευση Σελίδα 11 από 169

12 Abstract Artificial Intelligence is a science field that expands in all sciences and also arts. Thus it is one of the most wide science fields with many possibilities in research, development and application. Children of Artificial Intelligence are Neural Networks which simulate the function of human neurons in the human nervous system, agents that emulate objects of the real world and their reactions under various circumstances in the environment that they inhabit, advanced robotics and other. Their application on Geographic Information Systems and Cartography is one of the most important steps taken in the path of the evolution of those. This is how smart systems evolved, that can make decisions about a variety of situations, systems that react according to the changes in the environment they survey, cartographic procedures accelerated or assisted due to the use of Artificial Intelligence and others. The use of Artificial Intelligence has lead to the decentralization of processing spatial data with the application of Mobile Agents in GIS. It evolved the procedure of data search and analysis in data warehouses with the use of specific agents that inhabit these warehouses. It has given a new push in the methods of cartographic generalization by automating procedures. Using Artificial Intelligence in the field of Geosciences is still new but has already proven its efficiency and its progress will only benefit these sciences with new inventions and applications. Keywords: Geographic Information Systems, Artificial Intelligence, Agents, Neural Networks, Cartography, Cartographic Generalization. Σελίδα 12 από 169

13 Κεφάλαιο 1 ο ΕΙΣΑΓΩΓΗ Κεφάλαιο 1 1 Σε αυτό το κεφάλαιο: Τι είναι Τεχνητή Νοημοσύνη; Τα θεμέλια της επιστήμης της Τεχνητής Νοημοσύνης Γλώσσες Προγραμματισμού Τεχνητής Νοημοσύνης Σελίδα 13 από 169

14 Κεφάλαιο 1 ο ΕΙΣΑΓΩΓΗ 1. Τι είναι Τεχνητή Νοημοσύνη; Τ ο πεδίο της Τεχνητής Νοημοσύνης καταλαμβάνει τμήματα από όλες τις επιστήμες αλλά και τις τέχνες, αποτελώντας έτσι ένα από τα ευρύτερα επιστημονικά πεδία με πολλές δυνατότητες έρευνας, ανάπτυξης και εφαρμογής. Τι είναι όμως Τεχνητή Νοημοσύνη; Πως μπορεί να οριστεί μια έννοια όπως η νοημοσύνη η οποία για πολλούς έχει να κάνει με την ψυχή και για άλλους με την χημεία. Πως μπορεί να οριστεί ως νοημοσύνη κάτι το οποίο προγραμματίζεται; Η επιστήμη της τεχνητής νοημοσύνης είναι πολύ νέα. Η πρώτες εργασίες σχετικά με το πεδίο αυτό ξεκίνησαν κατά την διάρκεια του 2 ου Παγκόσμιου Πόλεμου ενώ το όνομα Τεχνητή Νοημοσύνη εμφανίστηκε μόλις το Η επιστήμη αυτή έκανε την εμφάνιση της ως αποτέλεσμα μιας προσπάθειας χιλιάδων ετών, να αντιληφθούμε και να κατανοήσουμε τον τρόπο με τον οποίο σκεφτόμαστε. Πως δηλαδή μια χούφτα κυττάρων αντιλαμβάνεται, καταλαβαίνει, προβλέπει και εκμεταλλεύεται έναν κόσμο πολύ μεγαλύτερο σε μέγεθος και πολύ πολυπλοκότερο σε λειτουργία από αυτή [1]. Παρακάτω δίνονται μερικοί ορισμοί του τι είναι Τεχνητή Νοημοσύνη και οι οποίοι διαχωρίζονται σε τέσσερις βασικές κατηγορίες ανάλογα με την συμπεριφορά του συστήματος σε σχέση με τον άνθρωπο. Συστήματα τα οποία σκέφτονται ως άνθρωποι. o Η ενθουσιαστική νέα προσπάθεια να κάνουμε τους υπολογιστές να σκέφτονται μηχανές με μυαλό, με την πλήρη και κυριολεκτική σημασία. [2] o Ο αυτοματισμός δραστηριοτήτων τις οποίες συναρτούμε με την ανθρώπινη σκέψη, όπως λήψη αποφάσεων, επίλυση προβλημάτων, μάθηση [3] Σελίδα 14 από 169

15 Κεφάλαιο 1 ο ΕΙΣΑΓΩΓΗ Συστήματα τα οποία σκέφτονται λογικά o Η μελέτη πνευματικών διαδικασιών με χρήση υπολογιστικών μοντέλων. [4] o Η μελέτη των υπολογισμών οι οποίοι καθιστούν δυνατή την διαδικασία της αντίληψης, της λογικής και της δράσης. [5] Συστήματα τα οποία δρουν ως άνθρωποι o Η τέχνη της δημιουργίας μηχανών οι οποίες εκτελούν λειτουργίες που απαιτούν νοημοσύνη όταν γίνονται από ανθρώπους. [6] o Η μελέτη του πως οι υπολογιστές θα κάνουν πράγματα στα οποία οι άνθρωποι είναι καλύτεροι αυτή τη στιγμή. [7] Συστήματα τα οποία δρουν λογικά o Υπολογιστική Νοημοσύνη είναι η μελέτη του σχεδιασμού νοημόνων πρακτόρων. [7] o Η Τεχνητή Νοημοσύνη μελετά την νοήμον συμπεριφορά σε καταστάσεις. [8] 1.1 Συστήματα τα οποία δρουν ως άνθρωποι Ο Alan Turing πρότεινε την Δοκιμή Turing 1 [10] σύμφωνα με την οποία θα μπορούσε να δοθεί ένας ικανοποιητικός και λειτουργικός ορισμός της νοημοσύνης. Κατά τον Turing, ο υπολογιστής θα περνούσε την δοκιμή αν ύστερα από τις γραπτές ερωτήσεις ενός ανθρώπου προς την μηχανή, ο άνθρωπος θα ήταν αδύνατο να αντιληφθεί αν οι απαντήσεις προέρχονταν από υπολογιστή ή άλλο άνθρωπο. 1 Turing Test Σελίδα 15 από 169

16 Κεφάλαιο 1 ο ΕΙΣΑΓΩΓΗ Για να ισχύσει το παραπάνω ο υπολογιστής ή η μηχανή θα έπρεπε να διαθέτει τα παρακάτω χαρακτηριστικά: Επεξεργαστή φυσικής γλώσσας 2 έτσι ώστε να μπορεί να απαντήσει στα αγγλικά καθώς σε αυτήν τη γλώσσα γίνεται η δοκιμή. Δυνατότητα παρουσίασης και αποθήκευσης γνώσης 3. Αυτοματοποιημένη λογική 4 έτσι ώστε να μπορεί να χρησιμοποιήσει την αποθηκευμένη γνώση για να απαντήσει σε ερωτήματα και να εξάγει νέα συμπεράσματα. Διαδικασία μάθησης μηχανής 5 έτσι ώστε να μπορεί να προσαρμόζεται σε νέες συνθήκες και να μαθαίνει το περιβάλλον στο οποίο τοποθετείται. Βέβαια υπάρχει και η πλήρης δοκιμή Turing 6 [10] κατά την οποία ο εξεταστής θα εξετάζει και τις ικανότητες αντίληψης της μηχανής καθώς και τις δυνατότητες χρησιμοποίησης αντικειμένων. Στην περίπτωση αυτή η μηχανή θα πρέπει να είναι εξοπλισμένη με: Υπολογιστικά Οπτικά Συστήματα 7 έτσι ώστε να μπορεί να αντιληφθεί τον χώρο και τα αντικείμενα οπτικά και Ρομποτικά Συστήματα 8 έτσι ώστε να είναι σε θέση να χειριστεί αντικείμενα και να κινηθεί στον χώρο. 2 Natural Language Processing 3 Knowledge Representation 4 Automated Reasoning 5 Machine Learning 6 Total Turing Test 7 Computer Vision 8 Robotics Σελίδα 16 από 169

17 Κεφάλαιο 1 ο ΕΙΣΑΓΩΓΗ 1.2 Συστήματα τα οποία σκέφτονται ως άνθρωποι Είναι σημαντικό για την επιστήμη της Τεχνητής Νοημοσύνης το ζήτημα του πως σκέφτεται ο άνθρωπος έτσι ώστε να είναι δυνατή η δημιουργία και η σύγκριση μιας μηχανής η οποία σκέφτεται ως άνθρωπος. Για να γίνει λοιπόν αυτό θα πρέπει πρώτα να αναλυθεί το πώς σκέφτεται ο άνθρωπος. Όταν υπάρχει μια ικανοποιητική θεωρία και κατανόηση της λειτουργίας της ανθρώπινης νόησης τότε αυτή η θεωρία είναι δυνατόν να μεταφραστεί σε πρόγραμμα για τον ηλεκτρονικό υπολογιστή. Έτσι προέκυψε το διεπιστημονικό πεδίο της γνωσιολογικής επιστήμης 9 το οποίο μελετά μοντέλα τεχνητής νοημοσύνης από τον χώρο των Ηλεκτρονικών Υπολογιστών σε συνδυασμό με πειραματικές τεχνικές από την επιστήμη της Ψυχολογίας, σε μια προσπάθεια να κατασκευάσει ακριβείς και δόκιμες θεωρίες για την λειτουργία της ανθρώπινης νόησης. 1.3 Συστήματα το οποία σκέφτονται λογικά Τα συστήματα αυτά κυβερνώνται από τους νόμους της σκέψης. Η επιστήμη της λογικής έχει τις ρίζες τις βαθιά στην αρχαία Ελλάδα με πρώτο διδάξαντα τον φιλόσοφο Αριστοτέλη και τους συλλογισμούς του. Οι συλλογισμοί παρείχαν το μοτίβο για την δόμηση επιχειρημάτων τα οποία πάντα οδηγούσαν σε σωστό συμπέρασμα όταν η αρχική πρόταση ήταν σωστή. Σήμερα με την χρήση του λογικού συμβολισμού, ο οποίος είναι πνευματικό τέκνο των Λογικών του 19 ου αιώνα, είναι δυνατόν να αναλυθεί οιαδήποτε σχέση μεταξύ των αντικειμένων του κόσμου. Αυτή η Λογική παράδοση μέσα από την επιστήμη της τεχνητής νοημοσύνης προσπαθεί να κατασκευάσει συστήματα ικανά να διαβάσουν τους συμβολισμούς αυτούς αλλά και να μπορέσουν να αναλύσουν τις σχέσεις μεταξύ των αντικειμένων χρησιμοποιώντας τους λογικούς κανόνες και τον αντίστοιχο συμβολισμό. 9 Cognitive Science Σελίδα 17 από 169

18 Κεφάλαιο 1 ο ΕΙΣΑΓΩΓΗ 1.4 Συστήματα τα οποία δρουν λογικά Η προσέγγιση με βάση την λογική δράση είναι αυτή στην οποία στηρίζεται και η κατασκευή και προγραμματισμός των λεγόμενων λογικών πρακτόρων 10. Στην προσέγγιση των λογικά σκεπτόμενων συστημάτων σημαντικό ρόλο διαδραματίζει η διαδικασία της σωστής επαγωγής 11. Σε ένα σύστημα το οποίο δρα λογικά όπως ο πράκτορας, η επαγωγική διαδικασία αποτελεί μέρος του λογικού πράκτορα καθότι μέρος της λογικής δράσης είναι η λογική σκέψη η οποία θα οδηγήσει στο σωστό συμπέρασμα για την πράξη και το αποτέλεσμα αυτής. Από την άλλη, η σωστή επαγωγή δεν αποτελεί πάντα μέρος της λογικότητας και αυτό διότι υπάρχουν περιπτώσεις όπου δεν διαφαίνεται ποια είναι η αποδεδειγμένα ορθή / λογική πράξη. Επίσης πολλές φορές η λογική δράση δεν είναι απαραίτητο να περιλαμβάνει συλλογισμό, όπως η περίπτωση των αντανακλαστικών αντιδράσεων ή του ενστίκτου. 2. Τα θεμέλια της επιστήμης της Τεχνητής Νοημοσύνης Η ιστορία και τα θεμέλια της επιστήμης της Τεχνητής Νοημοσύνης κρύβονται βαθιά μέσα στους αιώνες. Καθώς είναι επιστήμη η οποία σε μεγάλο βαθμό στηρίζεται σε άλλους κλάδους όπως στη βιολογία, στην ιατρική, στη ψυχολογία, στα μαθηματικά, στη λογική, η ιστορία της είναι τόσο αρχαία όσο και η ιστορία του αρχαιότερου από τους κλάδους αυτούς. Οι επιστήμες εκείνες οι οποίες κατά κύριο λόγο τροφοδοτούν το πεδίο της Τεχνητής Νοημοσύνης με άφθονο υλικό είναι: 1. η Φιλοσοφία από το 428 π.χ., 2. τα Μαθηματικά τα οποία από το 800 μ.χ. και έπειτα έθεσαν και τα θεμέλια ως πιο αυστηρή και επίσημη επιστημονική γλώσσα παρέχοντας και τον κατάλληλο συμβολισμό, 10 Rational Agents 11 Inference Σελίδα 18 από 169

19 Κεφάλαιο 1 ο ΕΙΣΑΓΩΓΗ 3. η Οικονομική επιστήμη με της έννοιες της μεγιστοποίησης κέρδους και ελαχιστοποίησης κόστους και απωλειών κυρίως από το 1776 μ.χ. με την έκρηξη της θεωρίας του Adam Smith, 4. η επιστήμη της Νευρολογίας η οποία θέτει τις βάσεις της λειτουργίας του ανθρωπίνου εγκεφάλου το 1861 μ.χ. με την μελέτη του Paul Broca για την αφασία, 5. η Ψυχολογία με τις μελέτες των Hermann von Helmholtz και Wilhelm Wundt από το 1879 μ.χ. για την Φυσιολογία της Ανθρώπινης Οπτικής, 6. η Μηχανική Ηλεκτρονικών Υπολογιστών χωρίς την οποία δεν θα υπήρχε λόγος για την ύπαρξη της έννοιας της τεχνητής νοημοσύνης όπου από το 1940 και μετά τροφοδοτεί συνεχώς την εξέλιξη του κλάδου 7. και τέλος η επιστήμη της Θεωρίας Ελέγχου και της Κυβερνητικής. Η αρχή για την τεχνητή νοημοσύνη γίνεται δειλά το 1943 με την εργασία των Warren McCulloch και Walter Pitts. Πρότειναν ένα μοντέλο τεχνητών νευρώνων οι οποίοι ήταν ικανοί για δύο καταστάσεις On και Off με το On να επιτυγχάνεται από τα ερεθίσματα πολλών γειτονικών νευρώνων. Ακολούθησε ο Donald Hebb το 1949 με την πρόταση ενός απλού κανόνα ενημέρωσης ενός συνόλου νευρώνων. Ο κανόνας αυτός καλείται σήμερα Hebbian Learning και αποτελεί μοντέλο το οποίο έχει εφαρμογή σε μεγάλο βαθμό ακόμα και σήμερα. Το 1950 δυο φοιτητές του Harvard οι Marvin Minsky και Dean Edmonds κατασκεύασαν το πρώτο νευρωνικό δίκτυο και ο Alan Turing παρουσίασε την δοκιμή Turing, τους γενετικούς αλγορίθμους, την μάθηση μηχανής και άλλα. Ο χορός της εξέλιξης οδηγεί την επιστήμη σε έκρηξη μετά το 1956 όπου και επίσημα πλέον ορίζεται η γέννηση της επιστήμης της Τεχνητής Νοημοσύνης. Με ονόματα όπως o John Σελίδα 19 από 169

20 Κεφάλαιο 1 ο ΕΙΣΑΓΩΓΗ McCarthy, Claude Shannon, Nathaniel Rochester και άλλοι καθώς και εταιρίες όπως η IBM και πανεπιστημιακά ιδρύματα όπως το MIT, το CMU και το Stanford να μπαίνουν στο παιχνίδι. Αναπτύχθηκαν οι θεωρίες των μικρόκοσμων 12 και των έμπειρων συστημάτων 13. Επέστρεψαν στο προσκήνιο τα νευρωνικά δίκτυα, ιδρύθηκε η θεωρία της εξόρυξης πληροφορίας 14 και το 1995 έκαναν την εμφάνιση του οι πράκτορες. Στην αιχμή του δόρατος βρίσκονται σήμερα: 1. η τεχνητή νοημοσύνη για παιχνίδια όπως οι διάσημες παρτίδες μεταξύ του υπερυπολογιστή της IBM, Deep Blue και του Grand Master, Garry Kasparov, 2. ο αυτόνομος σχεδιασμός και προγραμματισμός διαδικασιών και εργασιών όπως το σύστημα Remote Agent της NASA, 3. ο αυτόνομος έλεγχος, 4. η ρομποτική, 5. διαγνωστικές συσκευές, 6. η κατανόηση γλωσσών 7. και η επίλυση προβλημάτων. 12 Micro Worlds 13 Expert Systems 14 Data Mining Σελίδα 20 από 169

21 Κεφάλαιο 1 ο ΕΙΣΑΓΩΓΗ 3. Γλώσσες Προγραμματισμού Τεχνητής Νοημοσύνης Π ρογραμματισμός για Τεχνητή Νοημοσύνη είναι δυνατόν να γίνει σε πολλές και διάφορες γλώσσες. Ο λόγος για τον οποίο επιλέγονται συγκεκριμένες γλώσσες είναι διότι κατασκευάστηκαν με γνώμονα την τεχνητή νοημοσύνη. Σήμερα όμως υπάρχει μια ιδιαίτερη σύγκλιση και είναι δυνατόν να χρησιμοποιηθούν πολλές και διάφορες γλώσσες για την ανάπτυξη εφαρμογών τεχνητής νοημοσύνης. Η επιλογή της γλώσσας γίνεται βάσει των αναγκών του προγραμματιστή αλλά και των εργαλείων τα οποία έχει στην διάθεση του. Σημαντικό είναι φυσικά να καλυφθούν οι ανάγκες της εφαρμογής. Έτσι δεν είναι απαραίτητο ότι για την ανάπτυξη ενός μοντέλου τεχνητής νοημοσύνης θα χρησιμοποιηθεί κάποια από τις γλώσσες που αναφέρεται παρακάτω. Βασικό χαρακτηριστικό το οποίο καλό είναι να καλύπτεται είναι η αντικειμενοστρέφεια καθώς αυτή επιτρέπει τον αυστηρότερο ορισμό των αντικειμένων και των ιδιοτήτων αυτών. 3.1 Scheme Η γλώσσα Scheme είναι μια διάλεκτος της γλώσσας Lisp. Εφευρέθηκε από τους Guy Lewis Steele Jr. και Gerald Jay Sussman. Είχε ως σκοπό να έχει μια εξαιρετικά σαφή και απλή σημασιολογία και αρκετούς διαφορετικούς τρόπους όσων αφορά στην διαμόρφωση εκφράσεων. Η Scheme ήταν μια από τις πρώτες γλώσσες προγραμματισμού η οποία ενσωμάτωνε διαδικασίες λογισμού λ 15. Ήταν η πρώτη σημαντική διάλεκτος της Lisp η οποία διέκρινε τις διαδικασίες από τις εκφράσεις λογισμού λ και τα σύμβολα λάμδα, χρησιμοποιώντας ένα ενιαίο λεξικολογικό περιβάλλον για όλες τις μεταβλητές. Στηριζόμενη εξ ολοκλήρου στις κλήσεις διαδικασιών 16 για να εκφράσει τις επαναλήψεις και τους βρόγχους, η Scheme έδωσε έμφαση στο γεγονός ότι οι επαναλαμβανόμενες κλήσεις διαδικασίας είναι ουσιαστικά διαδικασίες go to οι οποίες μεταβιβάζουν ορίσματα. Πιο πρόσφατα η Scheme παρουσίασε τους ακριβής και μη ακριβής αριθμούς. Επίσης είναι η πρώτη γλώσσα η οποία υποστηρίζει τα 15 Lambda Calculus 16 Procedure Calls Σελίδα 21 από 169

22 Κεφάλαιο 1 ο ΕΙΣΑΓΩΓΗ υγιή macros επιτρέποντας την σύνταξη μιας γλώσσας η οποία αναπτύσσει τον κώδικα σε δομικά στοιχεία να είναι πιο εκτεταμένη και πιο ευέλικτη. 3.2 Lisp Lisp ονομάζεται μια οικογένεια γλωσσών προγραμματισμού υπολογιστών με μεγάλη ιστορία και χαρακτηριστική σύνταξη με πλήρεις παρενθέσεις. Αρχικά προσδιορίστηκε το 1958, και είναι η δεύτερη σε ηλικία γλώσσα προγραμματισμού υψηλού επιπέδου, νεότερη μόνο από τη Fortran. Όπως και η Fortran, η Lisp έχει αλλάξει πολύ σε σχέση με την πρώτη της εμφάνιση, με αρκετές διαλέκτους της να υπάρχουν ανά την ιστορία της. Σήμερα, οι διάλεκτοι της Lisp με την περισσότερη χρήση και διάδοση είναι η Common Lisp και η Scheme. Η Lisp δημιουργήθηκε αρχικά ως μια πρακτική μαθηματική σημειολογία για προγράμματα υπολογιστών, βασισμένη στο λογισμό λάμδα του Alonzo Church. Γρήγορα εξελίχθηκε στην γλώσσα προτίμησης για έρευνα σε τεχνητή νοημοσύνη. Ως μια από τις πρώτες γλώσσες προγραμματισμού, η Lisp πρωτοπόρησε στην εισαγωγή πολλών ιδεών στην επιστήμη υπολογιστών, όπως οι δομές δένδρων, η αυτόματη διαχείρηση αποθήκευσης δεδομένων, οι δυναμικοί τύποι, ο αντικειμενοστραφής προγραμματισμός, και ο μεταγλωττιστής που μεταγλωττίζει τον εαυτό του. Το όνομα Lisp προέρχεται από τη φράση ʺList Processing.ʺ Οι συνδεδεμένες λίστες είναι μία από τις σημαντικότερες δομές δεδομένων στη Lisp, και ο πηγαίος κώδικας των προγραμμάτων Lisp αποτελείται ο ίδιος από λίστες. Ως αποτέλεσμα, τα προγράμματα σε Lisp μπορούν να διαχειρίζονται και να επεξεργάζονται πηγαίο κώδικα Lisp ως άλλη μια δομή δεδομένων. Αυτό ανέδειξε τα συστήματα μακροεντολών που επιτρέπουν στους προγραμματιστές να δημιουργήσουν νέα σύνταξη ή ακόμα και νέες ʺμικρές γλώσσεςʺ που περιέχονται στη Lisp. Το γεγονός ότι ο κώδικας είναι απαράλλακτος από τα δεδομένα, δίνει στη Lisp μια χαρακτηριστική σύνταξη που αναγνωρίζεται εύκολα. Όλος ο κώδικας του προγράμματος γράφεται ως λίστες μέσα σε παρενθέσεις. Η κλήση μιας συνάρτησης γράφεται ως μια λίστα όπου το όνομα της συνάρτησης είναι πρώτο, και ακολουθούν τα ορίσματα. Για παράδειγμα, μια συνάρτηση f που παίρνει τρία ορίσματα μπορεί να κληθεί με (f x y z). Σελίδα 22 από 169

23 Κεφάλαιο 1 ο ΕΙΣΑΓΩΓΗ Από την δημιουργία της, η Lisp συνδεόταν στενά με την ερευνητική κοινότητα της τεχνητής νοημοσύνης, ειδικά στα συστήματα PDP 10. Η Lisp χρησιμοποιήθηκε ως η υλοποίηση της γλώσσας Micro Planner που έθεσε τα θεμέλια για το διάσημο σύστημα τεχνητής νοημοσύνης SHRDLU. Τη δεκαετία 1970, ενώ η έρευνα στην τεχνητή νοημοσύνη δημιουργούσε εμπορικές εταιρίες, η απόδοση των υπαρχόντων συστημάτων Lisp έγινε σημαντικό ζήτημα. Η Lisp ήταν δύσκολο σύστημα στο να υλοποιηθεί με τις τεχνικές μεταγλώττισης και το υλικό της δεκαετίας του Οι ρουτίνες συλλογής απορριμάτων που αναπτύχθηκαν από τον τότε μεταπτυχιακό φοιτητή του MIT, Daniel Edwards, έκαναν πρακτική την εκτέλεση της Lisp σε υπολογιστικά συστήματα γενικής χρήσης, αν και η απόδοση ήταν ακόμα προβληματική. Αυτό οδήγησε στην δημιουργία των μηχανών Lisp. Σύντομα οι εξελίξεις τόσο στον τομέα του υλικού υπολογιστών όσο και στην τεχνολογία μεταγλώττισης έκαναν τις μηχανές Lisp ξεπερασμένες, πράγμα επιζήμιο για την αγορά της Lisp. Η Lisp ήταν η πρώτη ομοεικονική γλώσσα προγραμματισμού: η βασική αναπαράσταση του κώδικα ενός προγράμματος έχει τον ίδιο τύπο λίστας που επίσης χρησιμοποιείται για τις κύριες δομές δεδομένων της γλώσσας. Ως αποτέλεσμα, οι συναρτήσεις της Lisp μπορούν να επεξεργαστούν, να μεταβληθούν, ακόμα και να δημιουργηθούν μέσα από ένα Lisp πρόγραμμα χωρίς ιδιαίτερη λεξική ανάλυση ή χρήση δυαδικού κώδικα μηχανής. Αυτό γενικά θεωρείται ένα από τα βασικά πλεονεκτήματα της γλώσσας, όσον αφορά την εκφραστικότητα, και κάνει τη γλώσσα επιδεκτική σε μετακυκλικό υπολογισμό. Η πολύ διαδεδομένη δομή του if then else, που τώρα υποθέτουμε ως δεδομένο, προφανές και απαραίτητο στοιχείο κάθε γλώσσας προγραμματισμού, εφευρέθηκε από τον McCarthy για χρήση στη Lisp. Εκεί εμφανίστηκε πρώτη φορά σε πιο γενική μορφή (η δομή cond.) Κληρονομήθηκε από την Algol από την οποία και έγινε δημοφιλής. Η Lisp επηρέασε πολύ τον Alan Kay, τον αρχηγό της έρευνας πάνω στη Smalltalk ενώ στη συνέχεια και η Lisp επηρεάστηκε από τη Smalltalk, υιοθετώντας στοιχεία αντικειμενοστραφούς προγραμματισμού (κλάσσεις, εμφανίσεις, κλπ) στο τέλος της δεκαετίας Σελίδα 23 από 169

24 Κεφάλαιο 1 ο ΕΙΣΑΓΩΓΗ Κυρίως λόγω των απαιτήσεων της σε πόρους, όσον αφορά το υλικό (συμπεριλαμβανομένου των πρώτων μικροεπεξεργαστών,) η Lisp δεν έγινε τόσο δημοφιλής έξω από την κοινότητα της τεχνητής νοημοσύνης όσο η Fortran και η C, η οποία προήλθε από την Algol. Νεότερες γλώσσες όπως η Java και η Python έχουν ενσωματώσει περιορισμένες εκδόσεις κάποιων στοιχείων της Lisp, αλλά αδυνατούν να δείξουν τη συνέπεια και σύμπραξη που βρίσκεται στις έννοιες της Lisp. Λόγω του ότι ενδείκνυται για εφαρμογές κακοδιατυπωμένες, περίπλοκες και δυναμικές, η Lisp έχει αρχίσει ξανά να απολαμβάνει αυξημένη δημοτικότητα. 3.3 Prolog Η Prolog είναι μια γλώσσα προγραμματισμού λογικής. Είναι μια γλώσσα γενικού σκοπού που συνδέεται συχνά με την τεχνητή νοημοσύνη και την υπολογιστική γλωσσολογία. Διαθέτει ένα καθαρά λογικό υποσύνολο το οποίο καλείται καθαρή Prolog, καθώς επίσης και διάφορα extralogical χαρακτηριστικά γνωρίσματα. Έχοντας τις ρίζες της στην επίσημη λογική, και αντίθετα από πολλές άλλες γλώσσες προγραμματισμού, η Prolog είναι δηλωτική: Η λογική του προγράμματος εκφράζεται από την άποψη των σχέσεων, και η εκτέλεση προκαλείται με το τρέξιμο των ερωτήσεων πέρα από αυτές τις σχέσεις. Οι σχέσεις και οι ερωτήσεις κατασκευάζονται χρησιμοποιώντας τον ενιαίο τύπο στοιχείων Prolog. Στην γλώσσα αυτή οι σχέσεις καθορίζονται από τις προτάσεις. Η γλώσσα συλλήφθηκε αρχικά από την ομάδα του Alain Colmerauer στη Μασσαλία της Γαλλίας, στις αρχές της δεκαετίας του Ο πρώτος μεταγλωττιστής γράφτηκε από τον David H. D. Warren στο Εδιμβούργο. Η Prolog ήταν μια από τις πρώτες γλώσσες προγραμματισμού λογικής, και παραμένει μια από τις δημοφιλέστερες σε αυτό τον τομέα, με πολλές ελεύθερες και εμπορικές εφαρμογές διαθέσιμες. Ενώ αρχικά στόχευε στην επεξεργασία φυσικής γλώσσας τελικά έχει επεκταθεί και σε άλλες περιοχές όπως την παρουσίαση αποδείξεων θεωρημάτων, στα έμπειρα συστήματα, παιχνίδια, αυτοματοποίηση συστημάτων ελέγχου, στις οντολογίες και τα περίπλοκα συστήματα ελέγχου. Τα σύγχρονα περιβάλλοντα Prolog υποστηρίζουν τη δημιουργία γραφικών διεπαφών χρήστη, καθώς επίσης και διοικητικές και δικτυακές εφαρμογές. Σελίδα 24 από 169

25 Κεφάλαιο 2 ο ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ, ΠΡΑΚΤΟΡΕΣ, ΠΕΡΙΒΑΛΛΟΝΤΑ & ΣΤΡΑΤΗΓΙΚΕΣ ΑΝΑΖΗΤΗΣΗΣ Κεφάλαιο 2 2 Σε αυτό το κεφάλαιο: Νευρωνικά Δίκτυα Πράκτορες Γενικός Ορισμός του Πράκτορα Είδη Πρακτόρων Περιβάλλον Στρατηγικές Αναζήτησης Σελίδα 25 από 169

26 Κεφάλαιο 2 ο ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ, ΠΡΑΚΤΟΡΕΣ, ΠΕΡΙΒΑΛΛΟΝΤΑ & ΣΤΡΑΤΗΓΙΚΕΣ ΑΝΑΖΗΤΗΣΗΣ 1. Νευρωνικά Δίκτυα Ω ς Τεχνητό Νευρωνικό Δίκτυο 17 (Τ.Ν.Δ.) ή απλά Νευρωνικό Δίκτυο 18 ορίζεται το μαθηματικό ή το υπολογιστικό μοντέλο το οποίο βασίζεται στα βιολογικά νευρωνικά δίκτυα. Αποτελείται από ένα σύνολο διασυνδεδεμένων τεχνητών νευρώνων 19 και επεξεργάζεται την πληροφορία με τρόπο παρόμοιο με αυτόν τον βιολογικών νευρωνικών δικτύων. Στις περισσότερες περιπτώσεις ένα Τ.Ν.Δ. είναι ένα σύστημα το οποίο προσαρμόζει την δομή του ανάλογα με τα εξωτερικά ερεθίσματα τα οποία δέχεται και επεξεργάζεται και την εσωτερική πληροφορία η οποία διατρέχει το δίκτυο κατά την διάρκεια της φάσης μάθησης[u13]. Δεν υπάρχει κάποιος ακριβής όρος για το τι είναι ένα νευρωνικό δίκτυο, αλλά το σίγουρο είναι ότι πρόκειται για ένα δίκτυο απλών στοιχείων που έχουν την ικανότητα επεξεργασίας πληροφορίας. Τα απλά αυτά στοιχεία καλούνται νευρώνες 20 και αποτελούν τους κόμβους του δικτύου. Η έμπνευση για την εφαρμογή των Τ.Ν.Δ. προέρχεται από την εξέταση του ανθρώπινου κεντρικού νευρικού συστήματος και των νευρώνων αυτού. Σε ένα μοντέλο ενός Τ.Ν.Δ. οι απλοί κόμβοι του δικτύου οι οποίοι καλούνται νευρώνες ή επεξεργαστικά στοιχεία 21, συνδέονται μεταξύ τους σχηματίζοντας ένα δίκτυο νευρώνων. Εξ ου και ο όρος νευρωνικό δίκτυο. Εξ ορισμού τα νευρωνικά δίκτυα[u13] δεν είναι προσαρμοστικά αλλά στην πρακτική τους εφαρμογή πλαισιώνονται από ένα σύνολο αλγορίθμων οι οποίοι είναι σχεδιασμένοι κατά τέτοιο τρόπο ώστε να μεταβάλλουν την ένταση ή το βάρος της σύνδεσης από νευρώνα σε νευρώνα δημιουργώντας κατ αυτό τον τρόπο την επιθυμητή ροή σήματος. Τα δίκτυα αυτά λειτουργούν με τρόπο παρόμοιο με τα βιολογικά νευρωνικά δίκτυα[u12]. Οι διάφορες διεργασίες εκτελούνται από τις μονάδες επεξεργασίας παράλληλα και συλλογικά και όχι διαχωρισμένες σε τμήματα και εν σειρά. 17 Artificial Neural Network ANN 18 Neural Network NN 19 Artificial Neurons 20 Neurons 21 Processing Element Σελίδα 26 από 169

27 Κεφάλαιο 2 ο ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ, ΠΡΑΚΤΟΡΕΣ, ΠΕΡΙΒΑΛΛΟΝΤΑ & ΣΤΡΑΤΗΓΙΚΕΣ ΑΝΑΖΗΤΗΣΗΣ 1.1 Μοντέλα Νευρωνικών Δικτύων Τα μοντέλα νευρωνικών δικτύων των οποίων ο γράφος 22 παρουσιάζεται ως ακυκλικός 23 και κατευθυνόμενος 24 καλούνται Ευθείας Τροφοδότησης 25. Τα δίκτυα εκείνα των οποίων ο γράφος παρουσιάζει επαναληπτικές και κυκλικές δομές καλούνται Επαναληπτικά. Στο Σχήμα 1 και στο Σχήμα 2 αντίστοιχα παρουσιάζεται ο γράφος ενός δικτύου Ευθείας Τροφοδότησης και ενός Επαναληπτικού. Σχήμα 1. Γράφος Δικτύου Ευθείας Τροφοδότησης [u16] Σχήμα 2. Γράφος Επαναληπτικού Δικτύου [u14] 22 Graph 23 Acyclic 24 Directed 25 Feed forward Σελίδα 27 από 169

28 Κεφάλαιο 2 ο ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ, ΠΡΑΚΤΟΡΕΣ, ΠΕΡΙΒΑΛΛΟΝΤΑ & ΣΤΡΑΤΗΓΙΚΕΣ ΑΝΑΖΗΤΗΣΗΣ Ο όρος δίκτυο στα νευρωνικά δίκτυα χρησιμοποιείται γιατί, όπως φαίνεται και στα σχήματα, η επεξεργασία μιας συνάρτησης f(x) γίνεται ως σύνθεση της πρώτης συνάρτησης από άλλες συναρτήσεις οι οποίες συνδέονται μεταξύ τους με διάφορες συναρτησιακές εξαρτήσεις. Οι συναρτησιακές αυτές εξαρτήσεις ουσιαστικά διαδραματίζουν και τον ρόλο των κλάδων του δικτύου. 1.2 Μάθηση Το σημαντικότερο στοιχείο το οποίο αφορά στα νευρωνικά δίκτυα είναι αυτό της μάθησης. Δηλαδή δεδομένου ενός προβλήματος προς επίλυση και ενός συνόλου συναρτήσεων F, χρησιμοποιώντας ένα σύνολο παρατηρήσεων μέσα στο πεδίο ορισμού των F, να βρεθεί εκείνη η συνάρτηση f* η οποία ανήκει στο σύνολο της F και επιλύει το πρόβλημα δίνοντας βέλτιστη λύση. Ουσιαστικά αυτό που απαιτείται είναι η ελαχιστοποίηση μιας συνάρτησης κόστους, η οποία επιλέγεται κάθε φορά με βάση το πρόβλημα που αντιμετωπίζεται. Υπάρχουν τρία βασικά είδη μάθησης που αφορούν στα νευρωνικά δίκτυα και είναι τα παρακάτω[u13]: Επιβλεπόμενη Μάθηση 26 Στην επιβλεπόμενη μάθηση δίνεται ένα σύνολο ζευγών (x, y) όπου το y Y x X και το. Σκοπός είναι να βρεθεί η συνάρτησης απεικόνισης του ενός στο άλλο, δηλαδή η συναρτησιακή εξάρτηση του x και y. Οι πιο κοινές εργασίες οι οποίες συναντώνται στον συγκεκριμένο τύπο μάθησης είναι η Ταξινόμηση 27 και η Παλινδρόμηση 28. Ουσιαστικά πρόκειται για μια διαδικασία μάθησης στην οποία ο χειριστής και το αρχικό σύνολο δεδομένων αναλαμβάνουν τον ρόλο του δάσκαλου. 26 Supervised Learning 27 Classification 28 Regression Σελίδα 28 από 169

29 Κεφάλαιο 2 ο ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ, ΠΡΑΚΤΟΡΕΣ, ΠΕΡΙΒΑΛΛΟΝΤΑ & ΣΤΡΑΤΗΓΙΚΕΣ ΑΝΑΖΗΤΗΣΗΣ Μη Επιβλεπόμενη Μάθηση 29 Στην μη επιβλεπόμενη μάθηση δίνονται δεδομένα και μια συνάρτηση κόστους προς ελαχιστοποίηση η οποία μπορεί να είναι οποιαδήποτε συνάρτηση απεικόνισης των δεδομένων. Η συνάρτηση κόστους κάθε φορά εξαρτάται από την εργασία, δηλαδή το πρόβλημα που πρέπει να επιλυθεί και τις a priori υποθέσεις που αφορούν στο μοντέλο. Ενισχυόμενη Μάθηση 30 Στον συγκεκριμένο τύπο μάθηση τα δεδομένα συνήθως δεν παρέχονται αλλά παράγονται από την αλληλεπίδραση ενός πράκτορα με το περιβάλλον. Σε κάθε δεδομένη χρονική στιγμή t ο πράκτορας δρα σε ερεθίσματα του περιβάλλοντος και αυτό με την σειρά του παράγει παρατηρήσεις xt οι οποίες αφορούν στις πράξεις του πράκτορα 31 και το αποτέλεσμα αυτών. Επίσης παράγεται ένα κόστος ct για την δεδομένη χρονική στιγμή. Σκοπός είναι η εύρεση μιας γενικής πολιτικής επιλογής δράσεων και ελαχιστοποίησης μιας μακροπρόθεσμης συνάρτησης κόστους. 1.3 Εφαρμογές Τεχνητών Νευρωνικών Δικτύων Το μεγαλύτερο πλεονέκτημα των νευρωνικών δικτύων είναι η ικανότητα τους να χρησιμοποιηθούν ως μηχανισμοί προσέγγισης τυχαίων συναρτήσεων, ο οποίος έχει την δυνατότητα να μαθαίνει από παρατηρήσεις που αφορούν σε αυτή την συνάρτηση. Η χρήση και εφαρμογή τους βέβαια δεν είναι τόσο απλή όσο ακούγεται. Βασικά ζητήματα τα οποία οφείλουν να αντιμετωπιστούν είναι αυτά της: 29 Unsupervised Learning 30 Reinforcement Learning 31 Agent Σελίδα 29 από 169

30 Κεφάλαιο 2 ο ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ, ΠΡΑΚΤΟΡΕΣ, ΠΕΡΙΒΑΛΛΟΝΤΑ & ΣΤΡΑΤΗΓΙΚΕΣ ΑΝΑΖΗΤΗΣΗΣ Επιλογής του μοντέλου Η επιλογή αυτή γίνεται σύμφωνα με τις ανάγκες της εκάστοτε εφαρμογής. Συνήθως επιλέγεται ένα όσο το δυνατόν απλούστερο μοντέλο Τ.Ν.Δ. καθώς τα πολυπλοκότερα μοντέλα δημιουργούν προβλήματα στην διαδικασία της μάθησης. Αλγόριθμος μάθησης Υπάρχουν πλεονεκτήματα και μειονεκτήματα τα οποία αφορούν στους αλγορίθμους μάθησης ανάλογα με την εφαρμογή του επιλεγμένου μοντέλου Τ.Ν.Δ. Σχεδόν κάθε αλγόριθμος είναι ικανός να λειτουργήσει σωστά με το κατάλληλο σύνολο παραμέτρων οι οποίες θα αφορούν σε συγκεκριμένο και γνωστό σύνολο δεδομένων 32 (dataset). Από την άλλη, η επιλογή και ρύθμιση ενός αλγορίθμου μάθησης για άγνωστο σύνολο δεδομένων, είναι μια διαδικασία επίπονη η οποία απαιτεί ώρες πειραματισμού. Αποδοτικότητα 33 Αν η επιλεγμένη συνάρτηση κόστους και ο αλγόριθμος μάθησης είναι τα κατάλληλα για το πρόβλημα προς επίλυση, τότε το αποτέλεσμα θα είναι ένα Τ.Ν.Δ. το οποίο θα χαρακτηρίζεται από ιδιαίτερα αποδοτική λειτουργία. Η χρηστικότητα των Τ.Ν.Δ. έγκειται στην εγγενή τους ικανότητα να προσεγγίζουν μια συνάρτηση με βάση της παρατηρήσεις. Υπάρχουν δεκάδες εφαρμογές των Τ.Ν.Δ. στην καθημερινή ζωή. Μερικές από αυτές παρατίθενται παρακάτω: Προσέγγιση Συναρτήσεων 34 Παλινδρομική Ανάλυση Data Set 33 Robustness 34 Function Approximation 35 Regression Analysis Σελίδα 30 από 169

31 Κεφάλαιο 2 ο ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ, ΠΡΑΚΤΟΡΕΣ, ΠΕΡΙΒΑΛΛΟΝΤΑ & ΣΤΡΑΤΗΓΙΚΕΣ ΑΝΑΖΗΤΗΣΗΣ Πρόβλεψη και Μοντελοποίηση Χρονοσειρών 36 Ταξινόμηση 37 Αναγνώριση Μοτίβων 38 Αναγνώριση Αλληλουχίας 39 Λήψη Αποφάσεων κατ Αλληλουχία 40 Εντοπισμός Προτύπων 41 Τα παραπάνω βρίσκουν εφαρμογή σε αναγνώριση συστημάτων, αναγνώριση οχημάτων, εξελιγμένα συστήματα ασφαλείας, αναγνώριση προσώπων, φωνής, γραφής, παιχνίδια, συστήματα λήψης αποφάσεων, συστήματα radar, αναγνώριση αντικειμένων, ομιλία, εξόρυξη πληροφορίας, οικονομικές εφαρμογές, φιλτράρισμα ανεπιθύμητης αλληλογραφίας και πολλά άλλα. 1.4 Είδη Τεχνητών Νευρωνικών Δικτύων Υπάρχουν διαφόρων τύπων νευρωνικά δίκτυα τα οποία χρησιμοποιούνται σε διάφορες εφαρμογές. Μάλιστα η εξέλιξη της τεχνολογίας και της θεωρίας περί νευρωνικών δικτύων είναι αυτή η οποία ώθησε στην δημιουργία και άλλων τύπων Δίκτυα Ευθείας Τροφοδότησης 42 Αποτελεί τον πρώτο τύπο Τ.Ν.Δ. που δημιουργήθηκε ποτέ ενώ είναι ταυτόχρονα και η απλούστερη μορφή Τ.Ν.Δ. Σε αυτόν τον τύπο δικτύου η πληροφορία κινείται ευθύγραμμα από τους νευρώνες εισόδου προς τους νευρώνες εξόδου. Δεν υπάρχουν βρόγχοι οι κυκλικές δομές μέσα σε αυτό το δίκτυο. 36 Time Series Prediction and Modeling 37 Classification 38 Pattern Recognition 39 Sequence Recognition 40 Sequential Decision Making 41 Novelty Detection 42 Feed Forward Neural Network Σελίδα 31 από 169

32 Κεφάλαιο 2 ο ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ, ΠΡΑΚΤΟΡΕΣ, ΠΕΡΙΒΑΛΛΟΝΤΑ & ΣΤΡΑΤΗΓΙΚΕΣ ΑΝΑΖΗΤΗΣΗΣ Δίκτυα Συνάρτησης Ακτινικής Βάσης 43 Οι τεχνικές ακτινικών συναρτήσεων είναι ισχυρές τεχνικές παρεμβολής σε πολυδιάστατους χώρους. Η συνάρτηση αυτή κατασκευάζεται με βάση ένα ακτινικό κριτήριο σε σχέση με ένα σημείο το οποίο ορίζεται ως κέντρο. Η συνάρτηση αυτή πολλές φορές χρησιμοποιείται σε αντικατάσταση του κρυφού επιπέδου 44 ενός πολυεπίπεδου δικτύου 45 καθώς δεν δημιουργεί προβλήματα με τοπικά ελάχιστα όπως δημιουργείται στο δεύτερο Αυτό οργανωμένα δίκτυα Kohonen 46 Ο αυτό οργανωμένος χάρτης 47 (SOM) τον οποίο εφεύρε ο Teuvo Kohonen χρησιμοποιεί μια μορφή μη επιβλεπόμενης μάθησης. Ένα σύνολο τεχνητών νευρώνων μαθαίνουν να αντιστοιχούν σημεία από έναν χώρο εισόδου 48 σε συντεταγμένες ενός χώρου εξόδου 49. Ο χώρος εισόδου μπορεί να έχει πολλές διαστάσεις και χαρακτηριστικό αυτού του τύπου νευρωνικού δικτύου είναι ότι θα επιχειρήσει να τις διατηρήσει Επαναληπτικά Δίκτυα 50 Σε αντίθεση με τα δίκτυα ευθείας τροφοδότησης, τα επαναληπτικά δίκτυα είναι μοντέλα τα οποία χαρακτηρίζονται από αμφίδρομη κίνηση πληροφορία. Ενώ σε ένα δίκτυο ευθείας τροφοδότησης τα δεδομένα κινούνται ευθύγραμμα από την είσοδο προς την έξοδο, σε ένα επαναληπτικό δίκτυο τα δεδομένα είναι δυνατόν από ένα όψιμο στάδιο να επιστρέψουν για περαιτέρω επεξεργασία σε ένα πρώιμο στάδιο. Παρακάτω αναφέρονται ορισμένα χαρακτηριστικά Επαναληπτικά Δίκτυα: Απλό Επαναληπτικό Δίκτυο Πλήρες Επαναληπτικό Δίκτυο 43 Radial Basis Function Network 44 Hidden Layer 45 Multi Layered Network 46 Kohonen Self Organizing Network 47 Self Organizing Map 48 Input Space 49 Output Space 50 Recurrent Networks Σελίδα 32 από 169

33 Κεφάλαιο 2 ο ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ, ΠΡΑΚΤΟΡΕΣ, ΠΕΡΙΒΑΛΛΟΝΤΑ & ΣΤΡΑΤΗΓΙΚΕΣ ΑΝΑΖΗΤΗΣΗΣ Δίκτυο Hopfield Δίκτυο Κατάστασης Echo Long Short Term Memory Network Στοχαστικά Νευρωνικά Δίκτυα 51 Ένα στοχαστικό νευρωνικό δίκτυο διαφέρει από ένα τυπικό νευρωνικό δίκτυο λόγω του ότι στην πραγματικότητα το ίδιο το δίκτυο προκαλεί τυχαίες μεταβολές στον εαυτό του. Ουσιαστικά, οι τυχαίες αυτές μεταβολές αποτελούν μια μορφή δειγματοληψίας 52 για την κατάσταση και την εξέλιξη του δικτύου. Ένα από τα χαρακτηριστικότερα στοχαστικά νευρωνικά δίκτυα είναι η Μηχανή Boltzmann Αρθρωτά Νευρωνικά Δίκτυα 54 Επιστημονικές μελέτες από ομάδες βιολόγων κατέδειξαν ότι ο ανθρώπινος εγκέφαλος δεν λειτουργεί ως ένα μεγάλο δίκτυο αλλά ως ένα σύνολο μικρότερων δικτύων τα οποία επικοινωνούν μεταξύ τους. Η ανακάλυψη αυτή οδήγησε στην γένεση της ιδέας των αρθρωτών νευρωνικών δικτύων όπου πολλά μικρά και πολλές φορές διαφορετικού τύπου δίκτυα συνεργάζονται ή ανταγωνίζονται για την επίλυση προβλημάτων. Χαρακτηριστικότερα δίκτυα αυτού του τύπου είναι: Επιτροπή Μηχανών 55 Συσχετιστικό Νευρωνικό Δίκτυο 56 το οποίο αποτελεί εξέλιξη του προηγούμενου. 51 Stochastic Neural Networks 52 Sampling 53 Boltzmann Machine 54 Modular Neural Networks 55 Committee of Machines 56 Associative Neural Network Σελίδα 33 από 169

34 Κεφάλαιο 2 ο ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ, ΠΡΑΚΤΟΡΕΣ, ΠΕΡΙΒΑΛΛΟΝΤΑ & ΣΤΡΑΤΗΓΙΚΕΣ ΑΝΑΖΗΤΗΣΗΣ Άλλοι Τύποι Δικτύων Εκτός από τις παραπάνω βασικές κατηγορίες δικτύων που παρουσιάστηκαν υπάρχουν και δεκάδες άλλοι τύποι δικτύων οι οποίοι δεν κατατάσσονται σε καμία από αυτές. Μερικοί από τους σημαντικότερους είναι: Ολογραφική Συσχετιστική Μνήμη Δίκτυα Στιγμιαίας Εκπαίδευσης Spiking Neural Networks Δυναμικά Νευρωνικά Δίκτυα Cascading Neural Networks Δίκτυα Neuro Fuzzy Σελίδα 34 από 169

35 Κεφάλαιο 2 ο ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ, ΠΡΑΚΤΟΡΕΣ, ΠΕΡΙΒΑΛΛΟΝΤΑ & ΣΤΡΑΤΗΓΙΚΕΣ ΑΝΑΖΗΤΗΣΗΣ 2. Πράκτορας Ω ς Πράκτορας μπορεί να θεωρηθεί οτιδήποτε το οποίο μπορεί να αντιληφθεί το περιβάλλον μέσω αισθητήρων 57 και να δράσει μέσα σε αυτό με την χρήση δραστηριοποιών 58. Στο σχήμα παρακάτω [Σχήμα 3] δίνεται μια απλοποιημένη εικόνα ενός πράκτορα σε λειτουργία μέσα στο περιβάλλον που τον φιλοξενεί. ΠΡΑΚΤΟΡΑΣ ΠΕΡΙΒΑΛΛΟΝ ΕΡΕΘΙΣΜΑ ΑΙΣΘΗΤΗΡΕΣ ; ΔΡΑΣΤΗΡΙΟΠΟΙΟΣ ΔΡΑΣΗ Σχήμα 3. Λειτουργία ενός πράκτορα μέσα στο περιβάλλον Ως ερέθισμα 59 ορίζεται κάθε έννοια ή αντικείμενο ή πράξη ή και αποτέλεσμα πράξης το οποίο αναφέρεται στην ικανότητα αντίληψης και εισόδου πληροφορίας από τους αισθητήρες του πράκτορα. Ως αλληλουχία αντίληψης 60 ορίζεται όλο το ιστορικό των θεμάτων τα οποία έχει αντιληφθεί ο πράκτορας. Γενικά σε κάθε χρονική στιγμή η δράση ενός πράκτορα όσον αφορά σε ένα ζήτημα, εξαρτάται από την αλληλουχία αντίληψης μέχρι την δεδομένη χρονική στιγμή [1]. Στην αυστηρή μαθηματική γλώσσα η συμπεριφορά του πράκτορα καθορίζεται από την συνάρτηση του σύμφωνα με την οποία κάθε αλληλουχία αντίληψης αντιστοιχίζεται σε μια δράση. Είναι σημαντικό να διαχωριστεί η έννοια της συνάρτησης του πράκτορα από το 57 Sensors 58 Actuators 59 Percept 60 Percept Sequence Σελίδα 35 από 169

36 Κεφάλαιο 2 ο ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ, ΠΡΑΚΤΟΡΕΣ, ΠΕΡΙΒΑΛΛΟΝΤΑ & ΣΤΡΑΤΗΓΙΚΕΣ ΑΝΑΖΗΤΗΣΗΣ πρόγραμμα του πράκτορα. Η συνάρτηση είναι μια αφηρημένη μαθηματική έννοια ενώ το πρόγραμμα είναι η αυστηρή ενσωμάτωση της έννοιας αυτής στην αρχιτεκτονική του πράκτορα [1]. Για να γίνει κατανοητό το παραπάνω παρατίθεται το παράδειγμα του πράκτορα μυγοσκοτώστρα. Έστω ο κόσμος στον οποίο κατοικεί ο συγκεκριμένος πράκτορας ο οποίος αποτελείται από δύο θέσεις Α και Β [Σχήμα 4]. Α Β Σχήμα 4. Ο κόσμος του πράκτορα μυγοσκοτώστρα Στον πίνακα που ακολουθεί [Πίνακας 1] δίνεται μια αλληλουχία αντίληψης και οι αντίστοιχες πράξεις για τον πράκτορα και τον κόσμο του. Αλληλουχία Αντίληψης [Α, Καθαρό] [Α, Μύγα] [Β, Καθαρό] [Β, Μύγα] [Α, Καθαρό], [Α, Καθαρό] [Α, Καθαρό], [Α, Μύγα] [Α, Καθαρό], [Α, Καθαρό], [Α, Καθαρό] [Α, Καθαρό], [Α, Καθαρό], [Α, Μύγα] Δράση / Πράξη Δεξιά Εξολόθρευση Αριστερά Εξολόθρευση Δεξιά Εξολόθρευση Δεξιά Εξολόθρευση Πίνακας 1. Αλληλουχία Αντίληψης και Δράση Σελίδα 36 από 169

37 Κεφάλαιο 2 ο ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ, ΠΡΑΚΤΟΡΕΣ, ΠΕΡΙΒΑΛΛΟΝΤΑ & ΣΤΡΑΤΗΓΙΚΕΣ ΑΝΑΖΗΤΗΣΗΣ Η αλληλουχία αυτή λοιπόν μπορεί να αντιπροσωπευτεί από έναν πίνακα όπως ο παραπάνω ο οποίος είναι μεγάλος σε μέγεθος αν και στο μεγαλύτερο ποσοστό των περιπτώσεων ο πίνακας αυτός είναι άπειρος. Τελικός σκοπός είναι να συμπληρωθεί αυτός ο πίνακας της αλληλουχίας. 3. Γενικός ορισμός του πράκτορα Σ ύμφωνα με τον γενικό ορισμό του πράκτορα όπως αυτός δίνεται από τον Ferber, ως πράκτορας ορίζεται κάθε φυσική ή εικονική οντότητα η οποία φέρει συγκεκριμένα χαρακτηριστικά Αυτά παρατίθενται παρακάτω: Δυνατότητα δράσης μέσα σε ένα περιβάλλον Απευθείας επικοινωνία με άλλους πράκτορες Οδηγείται από τάσεις όπως αυτές προκύπτουν από την συνθήκη επιβίωσης Κατέχει δικά του μέσα επιβίωσης Δυνατότητα αντίληψης του περιβάλλοντος (σε μικρή κλίμακα) Έχει μόνο μερική ή και καθόλου άποψη του περιβάλλοντος Έχει ικανότητες και μπορεί να προσφέρει υπηρεσίες Έχει την δυνατότητα αναπαραγωγής Η συμπεριφορά του τείνει να ικανοποιήσει τους στόχους του βάσει των μέσων επιβίωσης του, των ικανοτήτων του, της αντίληψης και της άποψης του για το περιβάλλον και την εισερχόμενη επικοινωνία Εδώ πρέπει να σημειωθεί ότι οι πράκτορες δεν σκέφτονται μόνο αλλά δρουν επίσης, με αποτέλεσμα να επηρεάζουν το περιβάλλον τους και συνεπώς να το μεταβάλλουν επιδρώντας άμεσα στις αποφάσεις και τις πράξεις που θα ακολουθήσουν. Σελίδα 37 από 169

38 Κεφάλαιο 2 ο ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ, ΠΡΑΚΤΟΡΕΣ, ΠΕΡΙΒΑΛΛΟΝΤΑ & ΣΤΡΑΤΗΓΙΚΕΣ ΑΝΑΖΗΤΗΣΗΣ 3.1 Σωστό και Λάθος : Ο λογικός πράκτορας Ο λογικός πράκτορας 61 είναι ο πράκτορας εκείνος ο οποίος εκτελεί την σωστή ενέργεια σε κάθε περίπτωση [1]. Αυτό σημαίνει ότι συμπληρώνει τον πίνακα αλληλουχίας και δράσης σωστά κάθε φορά, και κατά συνέπεια οι πράξεις του οδηγούν σε επιτυχία. Για τον λόγο αυτό πρέπει να βρεθεί ένας τρόπος μέτρησης της επιτυχίας Μέτρηση Απόδοσης Όταν ένας πράκτορας τοποθετηθεί στο περιβάλλον στο οποίο θα εργαστεί τότε αυτός παράγει την προαναφερόμενη αλληλουχία βάσει των θεμάτων που αντιλαμβάνεται. Το μέτρο απόδοσης του πράκτορα είναι το κριτήριο εκείνο σύμφωνα με το οποίο θεωρείται ότι ο πράκτορας ήταν επιτυχής στην εργασία του. Δεν υπάρχει κριτήριο ικανό να εφαρμοστεί σε όλους τους τύπους πρακτόρων. Αντιθέτως ανάλογα με τον πράκτορα, το περιβάλλον και την εργασία που πρέπει να γίνει, επιλέγεται και το κριτήριο το οποίο πρέπει να είναι αντικειμενικό. Για αυτόν τον λόγο, το κριτήριο μέτρησης απόδοσης επιλέγεται από αυτόν που προγραμματίζει τον πράκτορα σύμφωνα με τις ιδιότητες του πράκτορα και το περιβάλλον εργασίας. Ο γενικός κανόνας για την μέτρηση της απόδοσης ορίζει ότι το κριτήριο θα πρέπει να επιλέγεται σύμφωνα με το αποτέλεσμα το οποίο πρέπει να προκύψει και όχι σύμφωνα με την άποψη του καθενός για το πώς θα πρέπει να συμπεριφέρεται ο πράκτορας [1]. Τίθεται δηλαδή θέμα προσδιορισμού των προδιαγραφών του αποτελέσματος και όχι της διαδικασίας ή εργασίας Λογικότητα Επιστρέφοντας στο παράδειγμα της μυγοσκοτώστρας, είναι δυνατό να οριστεί η λογική του πράκτορα και κατά συνέπεια ο λογικός πράκτορας. Η μυγοσκοτώστρα κινείται μεταξύ Α και Β και αν υπάρχει στον χώρο μύγα τότε την εξολοθρεύει. Για να καθοριστεί αν ο πράκτορας είναι λογικός θα πρέπει πρώτα να είναι ξεκάθαρο το ζήτημα του περιβάλλοντος 61 Rational Agent Σελίδα 38 από 169

39 Κεφάλαιο 2 ο ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ, ΠΡΑΚΤΟΡΕΣ, ΠΕΡΙΒΑΛΛΟΝΤΑ & ΣΤΡΑΤΗΓΙΚΕΣ ΑΝΑΖΗΤΗΣΗΣ του, των αισθητήρων και των δραστηριοποιών του και φυσικά του κριτηρίου μέτρησης απόδοσής του. Το κριτήριο απόδοσης δίνει ένα βαθμό στον πράκτορα για κάθε μύγα που εξολοθρεύεται σε μια χρονική περίοδο 1000 βημάτων. Το περιβάλλον είναι γνωστό εξ αρχής καθώς και η αρχική θέση του πράκτορα όσο και η κατάσταση από άποψη μυγών. Τα καθαρά τετράγωνα παραμένουν καθαρά και αυτά στα οποία υπάρχουν μύγες καθαρίζονται. Οι μόνες διαθέσιμες πράξεις είναι Δεξιά, Αριστερά, Εξολόθρευση και Καμία Ενέργεια. Ο πράκτορας γνωρίζει την θέση του και την κατάσταση της τοποθεσίας Κάτω από αυτές τις συνθήκες ο πράκτορας θεωρείται λογικός. Υπό διαφορετικές καταστάσεις ο πράκτορας θα συμπεριφερόταν παράλογα. Αν και τα δύο κουτιά είναι καθαρά από μύγες τότε η «μυγοσκοτώστρα» θα κινείται δεξιά αριστερά χωρίς λόγο. Αν για κάθε άσκοπη κίνηση αφαιρείτο ένας βαθμός, τότε ο πράκτορας θα ήταν και μη αποδοτικός μετά από συγκεκριμένα χρονικά βήματα. Ως εκ τούτου ένας λογικός πράκτορας ορίζεται ως εξής: Για κάθε αλληλουχία αντίληψης, ο πράκτορας, θα πρέπει να επιλέξει εκείνη την δράση η οποία θα επιτρέψει την μεγιστοποίηση του κριτηρίου απόδοσης βάσει των στοιχείων που λαμβάνονται από τους αισθητήρες και της δεδομένης γνωστικής βάσης του πράκτορα. Στο θέμα της λογικότητας σημαντικό ρόλο διαδραματίζει και η συλλογή πληροφοριών 62 ως η εκμετάλλευση της υπάρχουσας γνώσης περί του αντικειμένου με το 62 Information Gathering Σελίδα 39 από 169

40 Κεφάλαιο 2 ο ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ, ΠΡΑΚΤΟΡΕΣ, ΠΕΡΙΒΑΛΛΟΝΤΑ & ΣΤΡΑΤΗΓΙΚΕΣ ΑΝΑΖΗΤΗΣΗΣ οποίο ασχολείται ο πράκτορας. Επίσης η εξερεύνηση 63 είναι άλλο ένα σημαντικό κομμάτι της λογικότητας του πράκτορα ειδικότερα στις περιπτώσεις εκείνες κατά τις οποίες ο πράκτορας βρίσκεται σε άγνωστο περιβάλλον το οποίο πρέπει να εξερευνήσει Παντογνωσία Ένας παντογνώστης πράκτορας γνωρίζει επακριβώς το αποτέλεσμα των πράξεων του. Η λογικότητα απλά μεγιστοποιεί την αναμενόμενη απόδοση. Εξάλλου, η τελειότητα της παντογνωσίας αυξάνει την πραγματική απόδοση. Ο ορισμός της λογικότητας όπως δίνεται παραπάνω δεν απαιτεί απαραίτητα παντογνωσία 64 από την πλευρά του πράκτορα και αυτό διότι η λογική επιλογή εξαρτάται μόνο από την αλληλουχία αντίληψης του πράκτορα μέχρι την δεδομένη χρονική στιγμή Μάθηση Βάση του ορισμού του λογικού πράκτορα, αυτός εκτός από την συλλογή πληροφοριών και την εξερεύνηση, οφείλει και να μαθαίνει έτσι ώστε να δύναται να αποφεύγει σφάλματα ή επαναλαμβανόμενες καταστάσεις. Η αρχική κατάσταση του πράκτορα μπορεί να του παρέχει γνώση για το περιβάλλον και την κατάσταση του. Παρόλα αυτά καθώς ο πράκτορας αποκτά εμπειρία, η γνώση αυτή μπορεί να αυξάνεται και να ανανεώνεται. Πράκτορες οι οποίοι εκτελούν επιτυχώς την εργασία η οποία τους έχει ανατεθεί, σημαίνει ότι έχουν σχεδιαστεί με τέτοιο τρόπο ώστε να μαθαίνουν και να μεταβάλλουν την συμπεριφορά τους σύμφωνα με τις καταστάσεις που αντιμετωπίζουν και να ενεργούν βάσει προηγούμενων αποφάσεων για παρόμοια ζητήματα. 63 Exploration 64 Omniscience Σελίδα 40 από 169

41 Κεφάλαιο 2 ο ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ, ΠΡΑΚΤΟΡΕΣ, ΠΕΡΙΒΑΛΛΟΝΤΑ & ΣΤΡΑΤΗΓΙΚΕΣ ΑΝΑΖΗΤΗΣΗΣ Αυτονομία Βασική ιδιότητα ενός πράκτορα είναι η αυτονομία. Αυτό σημαίνει ότι τουλάχιστον μέχρις ενός σημείου ο πράκτορας είναι ανεξάρτητος, τούτου εξαρτωμένου τόσο από τον ίδιο τον πράκτορα όσο και από το περιβάλλον εντός του οποίου αυτός λειτουργεί. Η λογική βάσει της οποίας προγραμματίζεται ένας πράκτορας θέτει ένα σημαντικό κανόνα. Ένας πράκτορας δεν είναι ποτέ πλήρως προγραμματισμένος από την αρχή. Είναι σημαντικό ο πράκτορας ως νοημοσύνη να μπορεί να αντιδρά στο περιβάλλον και τα ερεθίσματα που προέρχονται από αυτό (ανάλογα πάντα με τα αισθητήρια όργανα του) και να εξελίσσεται βάσει των αποφάσεων και των πράξεων του σε συσχέτιση τόσο με το περιβάλλον όσο και με προηγούμενες αποφάσεις και δράσεις σε προηγούμενες καταστάσεις. Οι νέες αποφάσεις όπως αυτές λαμβάνονται από τον πράκτορα αποτελούν προσθήκη στην γνωστική του βάση 65. Από αυτήν αντλείται και ο τρόπος αντίδρασης του πράκτορα σε κάθε κατάσταση. 4. Είδη Πρακτόρων Τ υπικά για την επιστήμη της Τεχνητής Νοημοσύνης υφίστανται πέντε βασικά είδη πρακτόρων. Στην πραγματικότητα τα είδη είναι τέσσερα. Το πέμπτο είδος είναι μια μετατροπή οποιουδήποτε από τα τέσσερα είδη σε μια οντότητα η οποία έχει την δυνατότητα της μάθησης και εξέλιξης. Αυτή η οντότητα, ο αυτός ο πράκτορας καλείται Learning Agent. από αυτά:. Παρακάτω παρατίθενται και αναλύονται και τα πέντε είδη και η σημασία του καθενός Simple Reflex Agent Model Based Reflex Agent Goal Based Agents 65 Knowledge Base Σελίδα 41 από 169

42 Κεφάλαιο 2 ο ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ, ΠΡΑΚΤΟΡΕΣ, ΠΕΡΙΒΑΛΛΟΝΤΑ & ΣΤΡΑΤΗΓΙΚΕΣ ΑΝΑΖΗΤΗΣΗΣ Utility Based Agents Ένα ακόμα σημαντικό είδος στο οποίο για καλύτερη απόδοση μετατρέπονται όλοι οι παραπάνω πράκτορες είναι οι Learning Agents. 4.1 Simple Reflex Agent Αποτελεί την απλούστερη μορφή πράκτορα. Αντιδρά στο ερέθισμα που δέχεται αγνοώντας πλήρως το ιστορικό των προηγούμενων ερεθισμάτων. Στο παράδειγμα του πράκτορα «μυγοσκοτώστρα», αυτός αγνοεί τι έχει κάνει μέχρι την δεδομένη χρονική στιγμή και η αντίδραση του εξαρτάται μόνο από την θέση του και από το αν υπάρχει η όχι μύγα στην θέση αυτή. Η λειτουργία αυτού του τύπου πράκτορα βασίζεται στον Κανόνα Κατάστασης Δράσης 66 ο οποίος είναι η σύνδεση μεταξύ της κατάστασης που αντιμετωπίζεται και της δράσης που αναλαμβάνεται για την αντιμετώπισή της. Έτσι για την μυγοσκοτώστρα αντιμετωπίζεται μια κατάσταση ύπαρξης μύγας και η αντίδραση (reflex) στην κατάσταση αυτή δημιουργεί την δράση της εξολόθρευσης της μύγας. Ουσιαστικά πρόκειται για μια υπόθεση η οποία μπορεί να διατυπωθεί γενικά ως ψευδοκώδικας όπως παρακάτω: ΕΑΝ: κατάσταση ΤΟΤΕ: δράση Άλλος ένας όρος για τον Κανόνα Κατάστασης Δράσης είναι ο Κανόνας Εάν Τότε 67. Βασικό χαρακτηριστικό των πρακτόρων Simple Reflex είναι ότι είναι πολύ απλοί τόσο στην κατασκευή όσο και στην λειτουργία τους. Το πρόβλημα τους εντοπίζεται στην μειωμένη νοημοσύνη τους. Το σωστό αποτέλεσμα θα προκύψει από την δράση του πράκτορα μόνο 66 Condition Action Rule 67 If Then Rule Σελίδα 42 από 169

43 Κεφάλαιο 2 ο ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ, ΠΡΑΚΤΟΡΕΣ, ΠΕΡΙΒΑΛΛΟΝΤΑ & ΣΤΡΑΤΗΓΙΚΕΣ ΑΝΑΖΗΤΗΣΗΣ βάσει του δεδομένου ερεθίσματος που αυτός αντιλαμβάνεται και αυτό συμβαίνει μόνο όταν το περιβάλλον στο οποίο δρα ο πράκτορας είναι πλήρως παρατηρήσιμο. Στο σχήμα που ακολουθεί δίνεται διαγραμματικά ο τρόπος με τον οποίο λειτουργεί ένας πράκτορας Simple Reflex [Σχήμα 5]. Λόγω της απλοϊκής σκέψης των πρακτόρων αυτών είναι πολύ εύκολο να καταλήξουν σε αέναους βρόγχους 68 στην περίπτωση όπου το περιβάλλον δεν είναι πλήρως παρατηρήσιμο. Αν η «μυγοσκοτώστρα» δεν ξέρει που βρίσκεται δεν ξέρει και προς τα πού να κινηθεί. Ένας τρόπος να αποφευχθεί αυτό είναι η τυχαία κατανομή 69 κατά την οποία ο πράκτορας μπορεί να επιλέξει τυχαίως την τοποθεσία του και έτσι το πολύ σε δύο χρονικά βήματα να έχει ολοκληρώσει την αποστολή του. ΠΡΑΚΤΟΡΑΣ ΠΕΡΙΒΑΛΛΟΝ ΕΡΕΘΙΣΜΑ ΑΙΣΘΗΤΗΡΕΣ ΚΑΤΑΣΤΑΣΗ; ΚΑΝΟΝΑΣ ΚΑΤΑΣΤΑΣΗΣ ΔΡΑΣΗΣ ΔΡΑΣΗ; ΔΡΑΣΤΗΡΙΟΠΟΙΟΣ ΔΡΑΣΗ Σχήμα 5. Simple Reflex Agent 68 Infinite Loops 69 Randomization Σελίδα 43 από 169

44 Κεφάλαιο 2 ο ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ, ΠΡΑΚΤΟΡΕΣ, ΠΕΡΙΒΑΛΛΟΝΤΑ & ΣΤΡΑΤΗΓΙΚΕΣ ΑΝΑΖΗΤΗΣΗΣ 4.2 Model Based Reflex Agent Οι Model Based Reflex Agents αποτελούν το επόμενο βήμα από τους Simple Reflex Agents καθώς τους δίνεται η δυνατότητα να παρακολουθούν το περιβάλλον το οποίο δεν γνωρίζουν πλήρως από την αρχή με την χρήση μιας διαδικασίας η οποία καλείται Εσωτερική Κατάσταση 70. Ουσιαστικά για την ενημέρωση της εσωτερικής κατάστασης χρειάζεται πληροφόρηση ή γνώση για το πώς λειτουργεί ο κόσμος χωρίς τον πράκτορα και γνώση του τι γίνεται στον κόσμο σύμφωνα με τις αντιδράσεις και τις πράξεις του πράκτορα. Η γνώση του πως λειτουργεί ο κόσμος και πως επηρεάζεται από τις πράξεις του πράκτορα, παρέχεται στον δεύτερο με την χρήση ενός μοντέλου του κόσμου στον οποίο θα εργαστεί ο πράκτορας. Για τον λόγο αυτό χρησιμοποιείται ο όρος Model Based Reflex Agent. Στο σχήμα που ακολουθεί δίνεται διαγραμματικά η μορφή ενός Model Based Reflex Agent [Σχήμα 6]. ΠΡΑΚΤΟΡΑΣ ΑΙΣΘΗΤΗΡΕΣ ΠΕΡΙΒΑΛΛΟΝ ΕΡΕΘΙΣΜΑ ΚΑΤΑΣΤΑΣΗ ΤΟΥ ΚΟΣΜΟΥ ΚΑΤΑΣΤΑΣΗ ΤΟΥ ΚΟΣΜΟΥ ΤΩΡΑ ΠΩΣ ΕΞΕΛΙΣΣΕΤΑΙ Ο ΚΟΣΜΟΣ; ΠΟΙΑ Η ΕΠΙΔΡΑΣΗ ΤΗΣ ΔΡΑΣΗΣ; ΚΑΝΟΝΑΣ ΚΑΤΑΣΤΑΣΗΣ ΔΡΑΣΗΣ ΠΟΙΑ ΔΡΑΣΗ; ΔΡΑΣΤΗΡΙΟΠΟΙΟΣ ΔΡΑΣΗ Σχήμα 6. Model Based Reflex Agent 70 Internal State Σελίδα 44 από 169

45 Κεφάλαιο 2 ο ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ, ΠΡΑΚΤΟΡΕΣ, ΠΕΡΙΒΑΛΛΟΝΤΑ & ΣΤΡΑΤΗΓΙΚΕΣ ΑΝΑΖΗΤΗΣΗΣ 4.3 Goal Based Agent Ένας τύπος πράκτορα ο οποίος πολλές φορές μπορεί να φαίνεται ότι η λειτουργία του δεν είναι τέλεια όσο θα έπρεπε είναι ο Goal Based Agent. Ο πράκτορας αυτός για να ολοκληρώσει την αποστολή του και να επιτύχει τον στόχο του λαμβάνει υπόψη του όχι μόνο την κατάσταση του περιβάλλοντος και την δράση του ή τα αποτελέσματα της δράσης του, αλλά και τον τελικό στόχο. Ο πράκτορας αυτός έχει ως οδηγό τον τελικό του στόχο. Με γνώμονα μόνο αυτό είναι πολύ πιθανό να βρεθεί σε προβληματικές καταστάσεις από τις οποίες να μην μπορεί να διαφύγει. Για τον λόγο αυτό σημαντικά ζητήματα είναι η αναζήτηση και ο σχεδιασμός. [Σχήμα 7]. Στο σχήμα που ακολουθεί δίνεται διαγραμματικά η μορφή ενός Goal Based Agent ΠΡΑΚΤΟΡΑΣ ΑΙΣΘΗΤΗΡΕΣ ΠΕΡΙΒΑΛΛΟΝ ΕΡΕΘΙΣΜΑ ΚΑΤΑΣΤΑΣΗ ΤΟΥ ΚΟΣΜΟΥ ΚΑΤΑΣΤΑΣΗ ΤΟΥ ΚΟΣΜΟΥ ΤΩΡΑ ΠΩΣ ΕΞΕΛΙΣΣΕΤΑΙ Ο ΚΟΣΜΟΣ; ΠΟΙΑ Η ΕΠΙΔΡΑΣΗ ΤΗΣ ΔΡΑΣΗΣ; ΤΙ ΘΑ ΣΥΜΒΕΙ ΑΝ ΔΡΑΣΩ ΚΑΤΑ Α ; ΣΤΟΧΟΙ ΠΟΙΑ ΔΡΑΣΗ; ΔΡΑΣΗ ΔΡΑΣΤΗΡΟΠΟΙΟΣ Σχήμα 7. Goal Based Agent 4.4 Utility Based Agent Ο στόχος τον οποίο πρέπει να επιτύχει ένας πράκτορας δεν είναι αρκετός για να θεωρηθεί το αποτέλεσμα ικανοποιητικό. Αυτό συμβαίνει γιατί στις περισσότερες των περιπτώσεων υπάρχουν περισσότεροι από ένας τρόποι ή διαδικασίες για να επιτευχθεί ο Σελίδα 45 από 169

46 Κεφάλαιο 2 ο ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ, ΠΡΑΚΤΟΡΕΣ, ΠΕΡΙΒΑΛΛΟΝΤΑ & ΣΤΡΑΤΗΓΙΚΕΣ ΑΝΑΖΗΤΗΣΗΣ στόχος. Κάποιος από τους διαθέσιμους τρόπους είναι ο βέλτιστος κάποιος άλλος είναι ο χείριστος και οι υπόλοιποι βρίσκονται κάπου στην μέση. Σημασία έχει η χρησιμότητα 71 την οποία αποκτά η διαδικασία μέσα από την κατάσταση που αυτή προκαλεί στο περιβάλλον και κατά συνέπεια στην συμπεριφορά του πράκτορα. Όταν λοιπόν μια κατάσταση περιβάλλοντος προτιμάτε από μια άλλη τότε θεωρείται ότι η κατάσταση αυτή έχει υψηλότερη χρησιμότητα. Ένας λογικός πράκτορας έχει ενσωματωμένη μια συνθήκη χρησιμότητας ή μια συνάρτηση χρησιμότητας 72 την οποία και προσπαθεί να μεγιστοποιήσει ανάλογα με τον στόχο που έχει τεθεί και προσπαθεί να πετύχει. Στο σχήμα που ακολουθεί παρατίθεται σε διαγραμματική μορφή ένας Utility Based Agent [Σχήμα 8]. ΠΡΑΚΤΟΡΑΣ ΑΙΣΘΗΤΗΡΕΣ ΠΕΡΙΒΑΛΛΟΝ ΕΡΕΘΙΣΜΑ ΚΑΤΑΣΤΑΣΗ ΤΟΥ ΚΟΣΜΟΥ ΚΑΤΑΣΤΑΣΗ ΤΟΥ ΚΟΣΜΟΥ ΤΩΡΑ ΠΩΣ ΕΞΕΛΙΣΣΕΤΑΙ Ο ΚΟΣΜΟΣ; ΠΟΙΑ Η ΕΠΙΔΡΑΣΗ ΤΗΣ ΔΡΑΣΗΣ; ΤΙ ΘΑ ΣΥΜΒΕΙ ΑΝ ΔΡΑΣΩ ΚΑΤΑ Α ; ΠΟΣΟ ΧΑΡΟΥΜΕΝΟΣ ΘΑ ΕΙΜΑΙ; ΧΡΗΣΙΜΟΤΗΤΑ ΠΟΙΑ ΔΡΑΣΗ; ΔΡΑΣΗ ΔΡΑΣΤΗΡΟΠΟΙΟΣ Σχήμα 8. Utility Based Agent 71 Utility 72 Utility Function Σελίδα 46 από 169

47 Κεφάλαιο 2 ο ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ, ΠΡΑΚΤΟΡΕΣ, ΠΕΡΙΒΑΛΛΟΝΤΑ & ΣΤΡΑΤΗΓΙΚΕΣ ΑΝΑΖΗΤΗΣΗΣ 4.5 Learning Agent Σήμερα για την κατασκευή μηχανών στην αιχμή της τεχνολογίας χρησιμοποιούνται οι λεγόμενοι Learning Agents. Είναι πράκτορες οι οποίοι είναι σχεδιασμένοι και προγραμματισμένοι κατά τρόπο ώστε να μπορούν να μαθαίνουν το περιβάλλον τους, να μαθαίνουν από τις πράξεις του και τα αποτελέσματα αυτών και να εξελίσσονται μέσα στο περιβάλλον τους. Η διαδικασία της μάθησης 73 επιτρέπει στον πράκτορα να γίνεται ικανότερες, να μπορεί να ανταπεξέλθει σε καταστάσεις όπου η αρχική του μόνο γνώση να μην το επέτρεπε και επίσης να μπορεί να εξερευνήσει το περιβάλλον όταν αυτό είναι άγνωστο. Όλοι οι πράκτορες που προαναφέρθηκαν ως τώρα μπορούν να μετατραπούν σε αυτή την εξελιγμένη μορφή. Οι Learning Agents έχουν τέσσερα βασικά συστατικά στοιχεία τα οποία τους καθιστούν κατάλληλους για μάθηση. Τα δύο σημαντικότερα ανάμεσα στα οποία πρέπει να υπάρχει σαφής διαχωρισμός είναι το στοιχείο μάθησης 74 και το στοιχείο απόδοσης 75. Το πρώτο είναι υπεύθυνο για την εξέλιξη του πράκτορα ενώ το δεύτερο είναι υπεύθυνο για την επιλογή των πράξεων αυτού. Το στοιχείο μάθησης λαμβάνει δεδομένα από το τρίτο τμήμα του πράκτορα το οποίο καλείται κριτική 76 και τα δεδομένα τα οποία παρέχει σχετίζονται με το πόσο καλά λειτουργεί ο πράκτορας. Στην συνέχεια και βάσει αυτών των δεδομένων το στοιχείο μάθησης μεταβάλλει την κατάσταση του στοιχείου απόδοσης έτσι ώστε να το βελτιστοποιήσει. Το τελευταίο τμήμα είναι η γεννήτρια προβλημάτων 77. Αυτή προτείνει δράσεις οι οποίες μπορεί να προκαλέσουν νέα εισροή πληροφορίας και να δημιουργήσουν έτσι νέες εμπειρίες για τον πράκτορα. Ακόμη και αν η δράση δεν είναι βέλτιστη βραχυπρόθεσμα μπορεί να οδηγήσει σε βέλτιστα αποτελέσματα μακροπρόθεσμα. 9]. Στο παρακάτω σχήμα παρέχεται η διαγραμματική μορφή ενός Learning Agent [Σχήμα 73 Learning Process 74 Learning Element 75 Performance Element 76 Critic 77 Problem Generator Σελίδα 47 από 169

48 Κεφάλαιο 2 ο ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ, ΠΡΑΚΤΟΡΕΣ, ΠΕΡΙΒΑΛΛΟΝΤΑ & ΣΤΡΑΤΗΓΙΚΕΣ ΑΝΑΖΗΤΗΣΗΣ ΠΡΑΚΤΟΡΑΣ ΠΕΡΙΒΑΛΛΟΝ PERCEPT ΑΙΣΘΗΤΗΡΕΣ ΚΡΙΤΙΚΗ ΠΡΟΤΥΠΟ ΑΠΟΔΟΣΗΣ ΣΤΟΙΧΕΙΟ ΜΑΘΗΣΗΣ ΣΤΟΙΧΕΙΟ ΑΠΟΔΟΣΗΣ ΓΕΝΝΗΤΡΙΑ ΠΡΟΒΛΗΜΑΤΩΝ ΔΡΑΣΤΗΡΙΟΠΟΙΟΣ ΔΡΑΣΗ Σχήμα 9. Learning Agent 5 Περιβάλλον Γ ια κάθε πράκτορα και σε κάθε περίπτωση το σημαντικότερο βήμα στον σχεδιασμό είναι ο σαφής καθορισμός του περιβάλλοντος εργασίας 78 του πράκτορα και των ιδιοτήτων αυτού. Κατά την διαδικασία αυτή η οποία καλείται PEAS (Performance, Environment, Actuators, Sensors)[1] ορίζονται τα χαρακτηριστικά τόσο του πράκτορα όσο και του περιβάλλοντος εργασίας με την μεγαλύτερη δυνατή σαφήνεια. 5.1 Ιδιότητες Περιβάλλοντος Εργασίας Το περιβάλλον εργασίας του πράκτορα χαρακτηρίζεται από διάφορες ιδιότητες. Άλλοτε αυτές οι ιδιότητες εξαρτώνται από τα χαρακτηριστικά του πράκτορα και κατά συνέπεια δεν είναι ίδιο του περιβάλλοντος ενώ άλλες φορές η ιδιότητα αποτελεί χαρακτηριστικό του περιβάλλοντός και αυτή επιδρά στην συμπεριφορά του πράκτορα. Παρακάτω παρατίθενται τα διάφορα είδη περιβάλλοντος: 78 Task Environment Σελίδα 48 από 169

49 Κεφάλαιο 2 ο ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ, ΠΡΑΚΤΟΡΕΣ, ΠΕΡΙΒΑΛΛΟΝΤΑ & ΣΤΡΑΤΗΓΙΚΕΣ ΑΝΑΖΗΤΗΣΗΣ 1. Πλήρως Παρατηρήσιμο 79 Αν οι αισθητήρες του πράκτορα παρέχουν πλήρη και αδιάκοπη πρόσβαση στην κατάσταση του περιβάλλοντος κάθε χρονική στιγμή και αν αυτό είναι ευθύς εξ αρχής παρατηρήσιμο στο σύνολο του τότε καλείται πλήρως παρατηρήσιμο. Παρατηρείται ότι το χαρακτηριστικό της παρατηρησιμότητας του περιβάλλοντος εξαρτάται άμεσα από το αν οι αισθητήρες του πράκτορα μπορούν να αντιληφθούν πλήρως την κατάσταση του περιβάλλοντος και την θέση στην οποία αυτός βρίσκεται. 2. Μερικώς Παρατηρήσιμο 80 Σε πολλές περιπτώσεις το περιβάλλον του πράκτορα δεν είναι πλήρως παρατηρήσιμο είτε λόγω κακής κατάστασης η οποία προέρχεται από εξωτερικό θόρυβο και επηρεάζει τους αισθητήρες του πράκτορα είτε λόγω των ίδιων των αισθητήρων οι οποίοι δεν είναι ικανοί να καταγράψουν στην ολότητα του το περιβάλλον εργασίας. Κατά συνέπεια ο πράκτορας βρίσκεται σε μερική άγνοια για το τι συμβαίνει στο περιβάλλον. Αυτό ανάλογα με τον πράκτορα μπορεί να οδηγήσει σε ασυνέπεια πράξεων και προβληματική συμπεριφορά. Στην περίπτωση αυτή το περιβάλλον καλείται Μερικώς Παρατηρήσιμο. 3. Ντετερμινιστικό 81 Αν η επόμενη κατάσταση η οποία θα επέλθει στο περιβάλλον εξαρτάται άμεσα από την νυν κατάσταση του περιβάλλοντος και από την δράση του πράκτορα τότε το περιβάλλον καλείται Ντετερμινιστικό. 4. Στοχαστικό 82 Στην περίπτωση του μερικώς παρατηρήσιμου περιβάλλοντος και ιδιαίτερα όταν αυτό είναι περίπλοκο σε δομή, επειδή είναι αδύνατη, ουσιαστικά, οποιαδήποτε 79 Fully Observable 80 Partially Observable 81 Deterministic 82 Stochastic Σελίδα 49 από 169

50 Κεφάλαιο 2 ο ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ, ΠΡΑΚΤΟΡΕΣ, ΠΕΡΙΒΑΛΛΟΝΤΑ & ΣΤΡΑΤΗΓΙΚΕΣ ΑΝΑΖΗΤΗΣΗΣ πρόβλεψη για την κατάσταση του περιβάλλοντος σε κάθε επόμενη χρονική στιγμή, τότε αυτό χαρακτηρίζεται ως στοχαστικό. Αυτή η αβεβαιότητα και απροσδιοριστία του περιβάλλοντος καθιστά καλύτερη λύση τον χαρακτηρισμό του περιβάλλοντος, τουλάχιστον από την σκοπιά του πράκτορα (agent s point of view), ως ντετερμινιστικό ή στοχαστικό παρά ως πλήρως ή μερικώς παρατηρήσιμο. Γενικότερα ένας πράκτορας δεν έχει λόγο να ανησυχεί για αβεβαιότητα σε ένα περιβάλλον πλήρως παρατηρήσιμο και ντετερμινιστικό. 5. Επεισοδιακό 83 Σε πολλές περιπτώσεις η εμπειρία του πράκτορα από προηγούμενες πράξεις δεν επηρεάζει τις επόμενες. Σε αυτήν την περίπτωση η εμπειρία την οποία συγκεντρώνει ο πράκτορας διαχωρίζεται σε επεισόδια, δηλαδή καταστάσεις και διαδικασίες οι οποίες έχουν ολοκληρωθεί και η μία δεν επιδρά στην άλλη με κανένα τρόπο. Αυτή η δράση του πράκτορα χωρίζει και το περιβάλλον σε επεισόδια τα οποία είναι αυτοτελή και ανεξάρτητα. 6. Σειριακό 84 Οι πράξεις σε ενός τέτοιου τύπου περιβάλλον επηρεάζουν η μία την άλλη άμεσα. Στις περισσότερες περιπτώσεις μια πράξη είναι δυνατόν να επηρεάζει όλες τις επόμενες πράξεις και αποφάσεις του πράκτορα. Κατά συνέπεια σε ένα τέτοιο περιβάλλον ο πράκτορας θα πρέπει να προβλέπει (Think Ahead) καταστάσεις και αποτελέσματα πράξεων έτσι ώστε να μην βρεθεί σε κατάσταση η οποία δεν ικανοποιεί συνθήκες παραγωγής και λειτουργίας. 7. Στατικό 85 Αν κατά την διάρκεια σκέψης και επιλογής δράσης τους πράκτορα το περιβάλλον παραμένει αμετάβλητο τότε αυτό καλείται στατικό. 83 Episodic 84 Sequential 85 Static Σελίδα 50 από 169

51 Κεφάλαιο 2 ο ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ, ΠΡΑΚΤΟΡΕΣ, ΠΕΡΙΒΑΛΛΟΝΤΑ & ΣΤΡΑΤΗΓΙΚΕΣ ΑΝΑΖΗΤΗΣΗΣ 8. Δυναμικό 86 Είναι το αντίθετο του στατικού περιβάλλοντος. Το δυναμικό περιβάλλον μεταβάλλεται χρονικά. Συνεπώς κατά την διάρκεια σκέψης του, ο πράκτορας, εκτός από την διαδικασία της σκέψης θα πρέπει παράλληλα να παρακολουθεί και το περιβάλλον και να μεταβάλλει τον συλλογισμό του σε πραγματικό χρόνο έτσι ώστε η πράξη / αντίδραση να οδηγήσει σε βέλτιστο αποτέλεσμα. Από την άλλη αν το περιβάλλον παραμένει αμετάβλητο αλλά κατά την διάρκεια σκέψης μεταβάλλεται το κριτήριο απόδοσης του πράκτορα τότε το περιβάλλον καλείται ημιδυναμικό Διακριτό 88 Ένα Διακριτό περιβάλλον έχει συγκεκριμένο αριθμό καταστάσεων και συγκεκριμένες καταστάσεις στις οποίες μπορεί να βρεθεί. Όπως για παράδειγμα το περιβάλλον της μυγοσκοτώστρας το οποίο έχει δύο μόνο καταστάσεις (συγκεκριμένος αριθμός) στις οποίες μπορεί να βρεθεί και αυτές είναι καθαρό και με μύγα (συγκεκριμένες καταστάσεις) 10. Συνεχές 89 Η ομαλότητα της μεταβολής του περιβάλλοντος χαρακτηρίζει την συνέχεια αυτού. Έτσι ένα περιβάλλον το οποίο κατά το πέρασμα του χρόνου μεταβάλλεται με τρόπο συνεχή και όχι σε διακριτές φάσεις, καλείται Συνεχές. 11. Ενός Πράκτορα 90 Χαρακτηρίζεται ως περιβάλλον Ενός Πράκτορα το περιβάλλον εκείνο στο οποίο είναι δυνατόν να δρα ένας μόνο πράκτορας. 86 Dynamic 87 Semi Dynamic 88 Discrete 89 Continuous 90 Single Agent Σελίδα 51 από 169

52 Κεφάλαιο 2 ο ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ, ΠΡΑΚΤΟΡΕΣ, ΠΕΡΙΒΑΛΛΟΝΤΑ & ΣΤΡΑΤΗΓΙΚΕΣ ΑΝΑΖΗΤΗΣΗΣ 12. Πολλών Πρακτόρων 91 Το περιβάλλον στο οποίο συναντώνται και εργάζονται, χωρίς απαραίτητα αυτό να σημαίνει ανταγωνισμός ή συνεργασία, περισσότεροι του ενός πράκτορες καλείται περιβάλλον Πολλών Πρακτόρων. 13. Ανταγωνιστικό 92 Στην περίπτωση ενός περιβάλλοντος πολλών πρακτόρων στο οποίο οι πράκτορες ανταγωνίζονται σε μια προσπάθεια να βελτιστοποιήσουν τα αποτελέσματα τους ο καθένας ως οντότητα, θεωρείται ότι το περιβάλλον αυτό είναι Ανταγωνιστικό. 14. Συνεργατικό 93 Ο όρος και εδώ αναφέρεται σε περιβάλλον πολλών πρακτόρων στο οποίο όμως οι πράκτορες συνεργάζονται για να μεγιστοποιήσουν ή να βελτιστοποιήσουν μια κοινή παράμετρο. 6 Στρατηγικές Αναζήτησης Έ να από τα σημαντικότερα κεφάλαια στην λειτουργία των πρακτόρων και γενικότερα σε εφαρμογές τεχνητής νοημοσύνης είναι αυτό των στρατηγικών αναζήτησης. Η στρατηγική αναζήτησης είναι η διαδικασία την οποία θα ακολουθήσει ο πράκτορας για την εύρεση λύσης στο πρόβλημα το οποίο αντιμετωπίζει. Είναι σημαντική η σωστή επιλογή της μεθόδου καθώς ανάλογα με το πρόβλημα ενδείκνυται συγκεκριμένη μέθοδος ενώ άλλες μπορεί και να μην οδηγήσουν σε επίλυση. Επίσης πολλές φορές λανθασμένη επιλογή της στρατηγικής αναζήτησης μπορεί να επιστρέψει λύση η οποία να μην είναι βέλτιστη. Υπάρχουν δύο βασικές κατηγορίες στρατηγικών αναζήτησης. Η πρώτη κατηγορία αναφέρεται στις Μη Πληροφορούμενες Αναζητήσεις 94 όπου δεν δίνεται καμία πληροφορία για 91 Multi Agent 92 Competitive 93 Cooperative 94 Uninformed Search Σελίδα 52 από 169

53 Κεφάλαιο 2 ο ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ, ΠΡΑΚΤΟΡΕΣ, ΠΕΡΙΒΑΛΛΟΝΤΑ & ΣΤΡΑΤΗΓΙΚΕΣ ΑΝΑΖΗΤΗΣΗΣ τις διαδοχικές καταστάσεις του περιβάλλοντος εκτός από εκείνες οι οποίες παρέχονται από την εκφώνηση του προβλήματος προς επίλυση. Πολλές φορές καλούνται και Τυφλές Αναζητήσεις 95. Η δεύτερη κατηγορία περιλαμβάνει τις Πληροφορούμενες Αναζητήσεις 96 ή τις Ευρεστικές Στρατηγικές Αναζήτησης 97. Σε κάθε περίπτωση οι στρατηγικές διαχωρίζονται μεταξύ τους από την σειρά με την οποία γίνεται η αναζήτηση από κόμβο σε κόμβο του προβλήματος. Η επίλυση των προβλημάτων γίνεται με την εφαρμογή των στρατηγικών αναζήτησης μέσα στον Χώρο των Καταστάσεων 98. Ο χώρος αυτός είναι όλες οι πιθανές καταστάσεις στις οποίες μπορεί να βρεθεί ο πράκτορας. Κάποια από αυτές είναι και η Κατάσταση Στόχος 99 που πρέπει να επιτευχθεί. Η Αρχική Κατάσταση 100 είναι ο Κόμβος Αναζήτησης 101 από τον οποίο ξεκινά η αναζήτηση της κατάστασης εκείνης η οποία ορίζεται ως στόχος από το πρόβλημα. Επίσης ο κόμβος της αρχικής κατάστασης καλείται και Κόμβος Ρίζα 102. Ο Κόμβος Αναζήτησης είναι κάθε κατάσταση στην οποία θα βρεθεί ο πράκτορας και από εκεί θα αναζητήσει το επόμενο βήμα του. Ο γενικός τρόπος με τον οποίο κινείται ο πράκτορας στην αναζήτηση λύσης είναι ο εξής: Αρχικά ελέγχεται αν η Αρχική Κατάσταση είναι και Κατάσταση Στόχος πράγμα το οποίο είναι αδύνατον να ισχύει εκτός και αν υπάρχει κακή διατύπωση του προβλήματος. Στην συνέχεια επεκτείνεται ο χώρος αναζήτησης και εντοπίζονται οι επόμενες καταστάσεις βάσει της Συνάρτησης Διαδοχής 103 και επαναλαμβάνεται ο έλεγχος. Η Συνάρτηση Διαδοχής ορίζεται ως η διαδικασία εκείνη από την εφαρμογή της οποίας επιστρέφεται μια Νόμιμη Κατάσταση 104 στον χώρο σύμφωνα με την πράξη η οποία έχει γίνει από τον πράκτορα. Δηλαδή για μια δεδομένη κατάσταση Χ, η Συνάρτηση Διαδοχής θα επιστρέψει ένα ζεύγος Δράσης Διαδοχής, όπου η δράση θα είναι νόμιμη για το περιβάλλον και η διαδοχή θα είναι 95 Blind Search 96 Informed Search 97 Heuristic Search Strategy 98 State Space 99 Goal State 100 Initial State 101 Search Node 102 Root Node 103 Successor Function 104 Legal State Σελίδα 53 από 169

54 Κεφάλαιο 2 ο ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ, ΠΡΑΚΤΟΡΕΣ, ΠΕΡΙΒΑΛΛΟΝΤΑ & ΣΤΡΑΤΗΓΙΚΕΣ ΑΝΑΖΗΤΗΣΗΣ μια κατάσταση επίσης νόμιμη για το περιβάλλον και η οποία θα προέρχεται από την κατάσταση Χ όταν εφαρμοστεί σε αυτήν η δράση. Για παράδειγμα στον κόσμο της μυγοσκοτώστρας η δράση Εξολόθρευση θα δημιουργήσει την κατάσταση Καθαρό, συνεπώς η κατάσταση Χ, στην προκειμένη περίπτωση, είναι ότι ο χώρος στον οποίο βρίσκεται η μυγοσκοτώστρα έχει μύγες. Η νόμιμη πράξη που εφαρμόζεται είναι αυτή της εξολόθρευσης των μυγών και η νόμιμη κατάσταση που επακολουθεί της εφαρμογής της δράσης στην κατάσταση Χ είναι αυτή του καθαρού από μύγες χώρου. Κάθε Κόμβος Αναζήτησης αποθηκεύεται έτσι ώστε αν η επιλεγόμενη διαδρομή δεν οδηγήσει στον στόχο, τότε να επιλεγεί άλλη διαδρομή. Ουσιαστικά η Στρατηγική Αναζήτησης είναι αυτή που ορίζει ποια κατάσταση θα επιλεγεί στην συνέχεια δηλαδή ποιος θα είναι ο επόμενος Κόμβος Αναζήτησης. 6.1 Απόδοση Η αξιολόγηση ενός αλγορίθμου αναζήτησης γίνεται με βάση τέσσερα κριτήρια[1]: Πληρότητα 105, σύμφωνα με το οποίο κριτήριο καθορίζεται αν ο αλγόριθμος εγγυάται την εύρεση λύσης όταν αυτή υφίσταται. Βέλτιστη Λύση 106, σύμφωνα με το οποίο κριτήριο καθορίζεται αν ο αλγόριθμος είναι ικανός να εντοπίσει την βέλτιστη λύση ανάμεσα σε πλήθος λύσεων. Χρονική Πολυπλοκότητα 107, η οποία είναι το κριτήριο του χρόνου που δαπανάται για την εύρεση λύσης και 105 Completeness 106 Optimality 107 Time Complexity Σελίδα 54 από 169

55 Κεφάλαιο 2 ο ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ, ΠΡΑΚΤΟΡΕΣ, ΠΕΡΙΒΑΛΛΟΝΤΑ & ΣΤΡΑΤΗΓΙΚΕΣ ΑΝΑΖΗΤΗΣΗΣ Χωρική Πολυπλοκότητα 108, η οποία αφορά στο κριτήριο του χώρου μνήμης που απαιτείται από τον αλγόριθμο για την εκτέλεση της αναζήτησης. 6.2 Μη Πληροφορούμενες Αναζητήσεις Όπως αναφέρεται και σε προηγούμενη παράγραφο η Μη Πληροφορούμενες Αναζητήσεις είναι εκείνες για τις οποίες δεν δίνεται καμία πληροφορία για την κατάσταση του περιβάλλοντος εκτός από αυτές που παρατίθενται στην εκφώνηση του προβλήματος. Παρακάτω παρατίθενται αλγόριθμοι αυτού του τύπου αναζητήσεων και γίνεται μια ανάλυση του τρόπου με τον οποίο αυτοί λειτουργούν για την εύρεση λύσης Αναζήτηση Πρώτα κατά Πλάτος 109 Η συγκεκριμένη μέθοδος αναζήτησης χαρακτηρίζεται για την απλότητά της. Κατά την εφαρμογή της μεθόδου η αναζήτηση εκκινεί από την ρίζα του δέντρου αναζήτησης με την έκταση του πρώτου κόμβου ο οποίος είναι και ο κόμβος ρίζα. Στην συνέχεια εκτείνονται και οι διαδοχικοί κόμβοι που συνδέονται άμεσα με τον κόμβο ο οποίος εκτάθηκε προηγουμένως. Στο σχήμα που ακολουθεί δίνεται μια αναπαράσταση του τρόπου λειτουργίας της μεθόδου [Σχήμα 10]. Σχήμα 10. Έρευνα Πρώτα κατά Πλάτος. Σύμφωνα με τον κανόνα των τεσσάρων κριτηρίων είναι εμφανές ότι η μέθοδος χαρακτηρίζεται ως πλήρης καθώς ανεξαρτήτως χώρου και χρόνου θα εντοπίσει λύση εφόσον αυτή υφίσταται. Εν τούτοις ο βαθμός χρονικής και χωρικής πολυπλοκότητας είναι ιδιαίτερα 108 Space Complexity 109 Breadth First Search Σελίδα 55 από 169

56 Κεφάλαιο 2 ο ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ, ΠΡΑΚΤΟΡΕΣ, ΠΕΡΙΒΑΛΛΟΝΤΑ & ΣΤΡΑΤΗΓΙΚΕΣ ΑΝΑΖΗΤΗΣΗΣ υψηλός ακόμα και για μικρά βάθη αναζήτησης. Επίσης αποδίδει την βέλτιστη λύση με την προϋπόθεση ότι όλες οι δράσεις του πράκτορα έχουν το ίδιο κόστος Αναζήτηση Ομοιόμορφου Κόστους 110 Αποτελεί παραλλαγή της προηγούμενης μεθόδου. Σύμφωνα με την λογική της παρούσας μεθόδου ο κόμβος ο οποίος εκτείνεται κάθε φορά είναι αυτός ο οποίος έχει το μικρότερο κόστος αναζήτησης στο δεδομένο βάθος. Μάλιστα για την αποφυγή ατέρμονων βρόγχων 111 παρέχεται μια ελάχιστη σταθερά ε, η ύπαρξη της οποίας εγγυάται τόσο την πληρότητα όσο και την εύρεση βέλτιστης λύσης. Βασικό μειονέκτημα αυτής της μεθόδου αναζήτησης είναι ο βαθμός χωρικής και χρονικής πολυπλοκότητας καθώς είναι δυνατόν να ξεπεράσει και μάλιστα κατά πολύ αυτόν της πρώτης μεθόδου καθώς πρώτα γίνονται μικρά βήματα για την αναζήτηση τα οποία μπορεί να μην αποδώσουν αποτελέσματα και κατά συνέπεια να σπαταλήσουν τόσο χώρο στην μνήμη όσο και χρόνο από την επεξεργασία Αναζήτηση Πρώτα κατά Βάθος 112 Η λογική αυτής της μεθόδου προτείνει την έκταση του κόμβου εκείνου ο οποίος βρίσκεται στο μεγαλύτερο βάθος για τον τρέχοντα κλάδο αναζήτησης στον οποίο αυτή εφαρμόζεται. Η αναζήτηση γίνεται άμεσα στους βαθύτερους κόμβους από όπου δεν γίνεται να προκύψουν διαδοχικές καταστάσεις και στην συνέχεια εκτείνονται οι κόμβοι εκείνοι που βρίσκονται σε μικρότερα βάθη. Βασικό χαρακτηριστικό της μεθόδου είναι ο πολύ μικρός βαθμός χωρικής πολυπλοκότητας, δηλαδή οι μικρές απαιτήσεις σε μνήμη, καθώς οι κόμβοι οι οποίοι έχουν εκταθεί και δεν προσφέρουν λύση απορρίπτονται και διαγράφονται από την μνήμη. Βέβαια η μέθοδος δεν αποδίδει πάντα την βέλτιστη λύση καθώς είναι δυνατόν να επιστρέψει λύση από κόμβο αναζήτησης σε βάθος μεγαλύτερο από κάποιον άλλο ο οποίος θα επιστρέψει λύση πολύ πιο κοντά στην ρίζα του δέντρου αναζήτησης. Επίσης στην περίπτωση όπου δεν 110 Uniform Cost Search 111 Infinite Loops 112 Depth First Search Σελίδα 56 από 169

57 Κεφάλαιο 2 ο ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ, ΠΡΑΚΤΟΡΕΣ, ΠΕΡΙΒΑΛΛΟΝΤΑ & ΣΤΡΑΤΗΓΙΚΕΣ ΑΝΑΖΗΤΗΣΗΣ υπάρχουν λύσεις τότε η αναζήτηση δεν σταματά ποτέ πράγμα το οποίο καθιστά την μέθοδο μη πλήρη Αναζήτηση με Περιορισμό στο Βάθος 113 Η μέθοδος αυτή αποτελεί παραλλαγή της προηγούμενης καθώς εφαρμόζει περιορισμό στο βάθος αναζήτησης σε μια προσπάθεια αποφυγής ατέρμονων βρόγχων. Παρόλα αυτά θέτει έναν ακόμα παράγοντα μη πληρότητας καθώς υπάρχει περίπτωση να επιλεγεί όριο βάθους μικρότερο από αυτό στο οποίο φτάνουν οι κόμβοι στόχοι. Επίσης είναι πιθανό να γίνει και μη βέλτιστη όταν το όριο που επιλέγεται είναι μεγαλύτερο από το βάθος που φτάνουν οι κόμβοι Αναζήτηση με Επαναληπτική Εμβάθυνση 114 Η συγκεκριμένη μέθοδος χρησιμοποιείται σε συνδυασμό με την Αναζήτηση Πρώτα κατά Βάθος και βασικό χαρακτηριστικό της είναι ότι φέρει τα θετικά τόσο της Αναζήτησης Πρώτα κατά Βάθος όσο και τα θετικά της Αναζήτησης Πρώτα κατά Πλάτος. Η συγκεκριμένη μέθοδος λειτουργεί με βάση μια επαναληπτική διαδικασία με την οποία προσεγγίζεται το βέλτιστό βάθος αναζήτησης. Έτσι τόσο χωρικά όσο και χρονικά οι απαιτήσεις της είναι πολύ μικρές ενώ με εφαρμογή των περιορισμών των δύο άλλων μεθόδων από τις οποίες κληρονομεί γίνεται και πλήρης και παρέχει την βέλτιστη λύση Αμφίδρομη Αναζήτηση Η εφαρμογή της μεθόδου προτείνει την εκτέλεση δύο αναζητήσεων του ίδιου τύπου έτσι ώστε να μην υπάρχουν ασυμβατότητες που να αφορούν στα τέσσερα κριτήρια απόδοσης. Η μία αναζήτηση ξεκινά από τον κόμβο αρχής και η άλλη από τον κόμβο στόχο. Αν από οποιαδήποτε εκ των δύο αναζητήσεων εντοπιστεί κόμβος ο οποίος ανήκει σε κλάδο και της 113 Depth Limited Search 114 Iterative Deepening Search Σελίδα 57 από 169

58 Κεφάλαιο 2 ο ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ, ΠΡΑΚΤΟΡΕΣ, ΠΕΡΙΒΑΛΛΟΝΤΑ & ΣΤΡΑΤΗΓΙΚΕΣ ΑΝΑΖΗΤΗΣΗΣ άλλης αναζήτησης δηλαδή ουσιαστικά τα δύο δέντρα αναζήτησης ενωθούν τότε έχει εντοπιστεί και η λύση από την μια ως προς την άλλη. 6.3 Πληροφορούμενες Αναζητήσεις Η συγκεκριμένες μέθοδοι αναζήτησης μπορούν να αποδώσουν λύση πολύ γρηγορότερα από τις Μη Πληροφορούμενες Μεθόδους καθώς εκμεταλλεύονται γνώση για το προς επίλυση πρόβλημα εκτός από αυτήν που παρέχεται από την εκφώνηση του προβλήματος. Η γενικότερη προσέγγιση η οποία εφαρμόζεται καλείται Βέλτιστη Πρώτη Αναζήτηση 115 και είναι μια υλοποίηση του αλγορίθμου αναζήτησης σε γράφο ή δέντρο 116 όπου η επιλογή του κόμβου προς έκταση γίνεται βάση μιας συνάρτησης εκτίμησης 117 f(n). Βασικό στοιχείο των αλγορίθμων αυτών είναι η ευριστική συνάρτηση 118 h(n), η οποία ουσιαστικά αντιπροσωπεύει το εκτιμώμενο κόστος της φθηνότερης διαδρομής 119 από τον κόμβο αρχής στον κόμβο στόχο Άπληστη Καλύτερη Πρώτη Αναζήτηση 120 Η μέθοδος αυτή προσπαθεί να εκτείνει τον κόμβο εκείνο οποίος βρίσκεται πιο κοντά στον κόμβο στόχο με την πεποίθηση ότι αυτός θα οδηγήσει σε γρήγορη λύση. Για την επίτευξη αυτού χρησιμοποιείται η συνάρτηση εκτίμησης f(n) η οποία κάθε φορά προσαρμόζεται στις ανάγκες του προβλήματος και ταυτίζεται με την ευριστική συνάρτηση h(n). Βασικό χαρακτηριστικό της μεθόδου είναι η εύρεση λύσης χωρίς την έκταση κόμβων οι οποίοι δεν βρίσκονται στο μονοπάτι αναζήτησης. Συνέπεια του παραπάνω είναι η ελαχιστοποίηση του κόστους αναζήτησης. 115 Best First Search 116 Graph or Tree Search Algorithm 117 Evaluation Function 118 Heuristic Function 119 Cheapest Route 120 Greedy Best First Search Σελίδα 58 από 169

59 Κεφάλαιο 2 ο ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ, ΠΡΑΚΤΟΡΕΣ, ΠΕΡΙΒΑΛΛΟΝΤΑ & ΣΤΡΑΤΗΓΙΚΕΣ ΑΝΑΖΗΤΗΣΗΣ Λόγω του γεγονότος ότι προσπαθεί να φτάσει το ταχύτερο δυνατό σε μια λύση, η λύση την οποία αποδίδει δεν είναι πάντα βέλτιστη και για αυτόν τον λόγο η μέθοδος καλείται άπληστη A* Αναζήτηση 121 Είναι η πιο συχνά χρησιμοποιούμενη μέθοδος αναζήτησης. Αξιολογεί τους κόμβους συνδυάζοντας μια συνάρτηση κόστους g(n) και μια ευριστική συνάρτηση h(n) οι οποίες αντίστοιχα παρέχουν το κόστος από το σημείο όπου εκκινεί κάθε φορά η αναζήτηση προς τον κόμβο n και το κόστος από τον κόμβο n στον κόμβο στόχο. Η g(n) και h(n) συνδυάζονται σε μια τελική συνάρτηση εκτίμησης f(n). Από την στιγμή που από την g(n) προκύπτει το κόστος από τον κόμβος αρχής στον κόμβο n και από την h(n) το εκτιμώμενο κόστος της φθηνότερης διαδρομής από τον κόμβο n στον κόμβο στόχο, τότε η f(n) είναι το εκτιμώμενο κόστος της φθηνότερης λύσης 122. Με την προϋπόθεση ότι η h(n) δεν υπερεκτιμά το κόστος προσέγγισης του στόχου, η A* είναι πλήρης και παρέχει πάντα την βέλτιστη λύση. 121 A* (A Star) Search 122 Cheapest Solution Σελίδα 59 από 169

60 Κεφάλαιο 3 ο ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ & ΣΥΣΤΗΜΑΤΑ ΓΕΩΓΡΑΦΙΚΩΝ ΠΛΗΡΟΦΟΡΙΩΝ Κεφάλαιο 3 3 Σε αυτό το κεφάλαιο: Εισαγωγή Συστήματα Γεωγραφικών Πληροφοριών Βασισμένα σε Πράκτορες Σελίδα 60 από 169

61 Κεφάλαιο 3 ο ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ & ΣΥΣΤΗΜΑΤΑ ΓΕΩΓΡΑΦΙΚΩΝ ΠΛΗΡΟΦΟΡΙΩΝ 1. Εισαγωγή Ε ίναι γεγονός ότι υπάρχει έντονη κινητικότητα και τάση σύνδεσης τεχνολογιών Τεχνητής Νοημοσύνης με τα Συστήματα Γεωγραφικών Πληροφοριών και τις Γεωεπιστήμες γενικότερα. Άλλωστε το πεδίο των Σ.Γ.Π. παρουσιάζει έντονη δραστηριότητα και κινητικότητα ενώ παράλληλα είναι συνεχώς ανοιχτό σε νέες ιδέες που θα δώσουν ώθηση. Άλλωστε όπως και η επιστήμη της Τεχνητής Νοημοσύνης έτσι και τα Συστήματα Γεωγραφικών Πληροφοριών είναι νέα σε ηλικία. Τα Σ.Γ.Π. χαρακτηρίζονται από την κίνηση τους προς πολλές και διάφορες κατευθύνσεις και την εμπλοκή τους σε διάφορες εκφάνσεις της καθημερινής ζωής διαδραματίζοντας σημαντικό ρόλο στην εξέλιξη και την διευκόλυνση διάφορων διαδικασιών και καταστάσεων αυτής της καθημερινότητας ακόμα και όταν δεν γίνεται αντιληπτό. Τα Σ.Γ.Π. χρησιμοποιούνται σε πολλές και διάφορες εφαρμογές όπως λήψη αποφάσεων, διαχείριση στόλου οχημάτων, διαχείριση και προστασία δασικών εκτάσεων, διαχείριση δικτύων κοινής ωφέλειας, κτηματολόγιο, περιφερειακή ανάπτυξη, χωροθέτηση εγκαταστάσεων σχέδια εκκενώσεων, υδρολογικές μελέτες, δασοπυρόσβεση, προστασίας δημόσιας περιουσίας, φορολόγηση, εξομοίωση εξέλιξης φαινόμενων και πολλά άλλα. Πολλές από αυτές τις εφαρμογές δείχνουν να έχουν δεκτική τάση προς τον συνδυασμό τους με τεχνολογίες τεχνητής νοημοσύνης καθώς αυτές μπορούν να προσφέρουν διευκολύνσεις στον τελικό χρήστη και κατά συνέπεια οικονομία χρόνου και άρα χρημάτων. Στην πραγματικότητα οι τεχνολογίες αυτές μπορούν να βρουν εφαρμογή και να καταστούν εκμεταλλεύσιμες από όλες τις εφαρμογές των Συστημάτων Γεωγραφικών Πληροφοριών ανεξαρτήτως τομέα δραστηριοποίησης και χρήσης. Αυτό που απαιτείται είναι ένα πλαίσιο μέσα στο οποίο θα καταστεί δυνατή η ενοποίηση των δύο. Πλέον είναι δυνατόν με διάφορα προγραμματιστικά εργαλεία να αναπτυχθούν εφαρμογές με χρήση τεχνητής νοημοσύνης στα ήδη χρησιμοποιούμενα πακέτα λογισμικού Συστημάτων Γεωγραφικών Πληροφοριών. Έτσι παρά το γεγονός ότι πολλά πακέτα Σ.Γ.Π. δεν έχουν αναπτυχθεί με βάση την λογική της τεχνητής νοημοσύνης είναι Σελίδα 61 από 169

62 Κεφάλαιο 3 ο ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ & ΣΥΣΤΗΜΑΤΑ ΓΕΩΓΡΑΦΙΚΩΝ ΠΛΗΡΟΦΟΡΙΩΝ δυνατόν να γίνει επέκταση αυτών με άλλα εργαλεία παρέχοντας στον τελικό χρήστη αυτή την δυνατότητα. Η μαζική παραγωγή και εφαρμογή τέτοιων συστημάτων βρίσκεται κυρίως σε ερευνητικό στάδιο με σημαντικές εξαιρέσεις να επιβεβαιώνουν τον κανόνα. Καθότι η τεχνητή νοημοσύνη είναι ακόμα νέο πεδίο η παραγωγή συστημάτων αυτού του είδους στον χώρο των γεωεπιστημών δεν είναι τόσο προχωρημένη. Παρόλα αυτά τα συστήματα τα οποία έχουν δοκιμαστεί και χρησιμοποιούνται από διάφορες υπηρεσίες και οργανισμούς έχουν στεφθεί από επιτυχία και ανοίγουν τον δρόμο για ακόμα μεγαλύτερη εισχώρηση στην αγορά και στην καθιέρωση των Συστημάτων Γεωγραφικών Πληροφοριών Βασισμένα σε Πράκτορες ή Agent Based Geographic Information Systems. 2. Συστήματα Γεωγραφικών Πληροφοριών Βασισμένα σε Πράκτορες 123 Τ α Συστήματα Γεωγραφικών Πληροφοριών Βασισμένα σε Πράκτορες μπορούν κάλλιστα να χαρακτηριστούν ως πακέτα λογισμικού τα οποία συνδυάζουν σε ένα κοινό περιβάλλον το σύνολο των λειτουργιών ενός πακέτου Συστημάτων Γεωγραφικών Πληροφοριών και ενός Πακέτου με εργαλεία για Εξομοίωση Βασισμένη σε Πράκτορες 124 [11]. Χάριν συντομίας τα πακέτα αυτά καλούνται με την αγγλική σύντμηση ABGIS Agent Based Geographic Information Systems, και αποτελούν χρήσιμο εργαλείο σε διαδικασίες εξομοίωσης 125 λόγω της εγγενούς ικανότητας τους για ανάλυση και αναπαράσταση των διάφορων πολύπλοκων χωροχρονικών φαινόμενων που λαμβάνουν χώρα στον κόσμο. Η ικανότητα ιδιότητα αυτή οφείλεται στην ύπαρξη οντοτήτων λογισμικού οι οποίες καλούνται πράκτορες και χρησιμοποιούνται για την εξομοίωση φαινόμενων και καταστάσεων και μελέτη της επίδρασης αυτών στον κόσμο και το περιβάλλον τόσο χωρικά όσο και χρονικά. Για τον λόγο αυτό αποτελούν και ένα ιδιαίτερα χρήσιμο εργαλείο σε εφαρμογές χωροχρονικής ανάλυσης Agent Based Geographic Information Systems 124 Agent Based Simulation 125 Simulation 126 Spatiotemporal Analysis Σελίδα 62 από 169

63 Κεφάλαιο 3 ο ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ & ΣΥΣΤΗΜΑΤΑ ΓΕΩΓΡΑΦΙΚΩΝ ΠΛΗΡΟΦΟΡΙΩΝ Ο πράκτορας ως οντότητα χαρακτηρίζεται από απλότητα τόσο στην κατασκευή του όσο και στην λειτουργία του. Έτσι με βάση την απλή αυτή οντότητα είναι δυνατό να εξομοιωθούν και να αναλυθούν πολύπλοκα συστήματα. Στην προσπάθεια να αναλυθούν τέτοια πολύπλοκα βιολογικά, κοινωνικά και φυσικά συστήματα με τα οποία ο άνθρωπος βρίσκεται σε συνεχή αλληλεπίδραση, οι επιστήμονες οδηγήθηκαν στην χρήση ιδιαίτερα ανεπτυγμένων υπολογιστικών τεχνικών για την ανάπτυξη μοντέλων και εξομοιώσεων. Τέτοιου είδους μοντέλα τα οποία εξομοιώνουν την πραγματική συμπεριφορά βρίσκονται σε συνεχή χρήση στην μελέτη υδρολογικών συστημάτων, στην μελέτη εξέλιξης πυρκαγιάς, στην κυκλοφορία οχημάτων, στα μοντέλα εκκένωσης, στην κίνηση πεζών σε αστικούς χώρους, στην χωροταξία και την περιφερειακή ανάπτυξη και σε πολλές άλλες εφαρμογές. Σε όλα τα παραπάνω το κρίσιμο εργαλείο είναι τα Συστήματα Γεωγραφικών Πληροφοριών τα οποία σε κάθε περίπτωση πλαισιώνονται από ένα σύνολο άλλων εργαλείων για την εξομοίωση και την μοντελοποίηση με την χρήση μεθόδων τεχνητής νοημοσύνης και δη των πρακτόρων. Από εδώ προέρχεται ουσιαστικά και ο όρος Agent Based Geographic Information Systems[11]. 2.1 Δυναμικά Μοντέλα Βασικό χαρακτηριστικό του χώρου είναι η δυναμική του. Η μεταβολή δηλαδή η οποία προκαλείται από τα διάφορα τρέχοντα φαινόμενα σε συνάρτηση με το πέρας του χρόνου και προκαλούν νέα φαινόμενα ή καταστάσεις στον χώρο. Λόγω της μεταβολής του χώρου και των φαινόμενων, η ανάλυση αυτών απαιτεί την ύπαρξη ή την χρήση μιας δομής η οποία να επιτρέπει την εξομοίωση των διάφορων καταστάσεων συναρτήσει του χρόνου. Η δομή αυτή είναι γενικευμένη και εξειδικεύεται ανά περίπτωση ανάλυσης. Η γενική περιγραφή της δομής δίνεται ως εξής: Το μοντέλο το οποίο χρησιμοποιείται για την αναπαράσταση του χώρου είναι κυψελοειδούς 127 μορφής ή μορφής ψηφιδωτού cellular 128 raster Σελίδα 63 από 169

64 Κεφάλαιο 3 ο ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ & ΣΥΣΤΗΜΑΤΑ ΓΕΩΓΡΑΦΙΚΩΝ ΠΛΗΡΟΦΟΡΙΩΝ Επιλέγεται τυχαία ή ανάλογα με τις ανάγκες της εφαρμογής, η αρχική χρονική στιγμή t = t0 κατά την οποία το μοντέλο αρχικοποιείται 129. Κατά την διαδικασία της αρχικοποίησης 130 του μοντέλου όλες οι διαθέσιμες, κατά την χρονική αυτή στιγμή, παράμετροι λαμβάνουν τις τιμές εκείνες τις οποίες παρουσιάζουν για την t0. Εφόσον ολοκληρωθεί η αρχικοποίηση τότε εκκινεί η εξομοίωση[11]. Αξιολόγηση Αλλαγών Εφαρμογή των Αλλαγών Αρχικοποίηση του συστήματος t < tf t = t0 Παύση t > tf t = t + 1 Σχήμα 11. Δυναμικά Χωρικά Μοντέλα Στο πρώτο βήμα της εξομοίωσης εντοπίζεται ποιες κυψέλες του μοντέλου θα υποστούν μεταβολή των χαρακτηριστικών τους. Η ανάλυση του βήματος βασίζεται στην ύπαρξη πληροφορίας εισόδου για το σύστημα καθώς και στην αρχική σύνθεση και κατάσταση των κυψελών του μοντέλου. Στο δεύτερο βήμα της εξομοίωσης γίνεται η εφαρμογή μιας σειράς κανόνων και συνθηκών οι οποίες έχουν ως αποτέλεσμα την μεταβολή της κατάστασης των κυψελών του μοντέλου και της γενικότερης δομής αυτού. Στο τρίτο βήμα η μεταβλητή του χρόνου μεταβάλλεται κατά το επιλεγμένο χρονικό βήμα. Αν ξεπεραστεί το προκαθορισμένο χρονικό διάστημα κατά το οποίο γίνεται η εξομοίωση τότε αυτή διακόπτεται αλλιώς ο κύκλος από το πρώτο έως το τρίτο βήμα επαναλαμβάνεται. 129 initialized 130 initialization Σελίδα 64 από 169

65 Κεφάλαιο 3 ο ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ & ΣΥΣΤΗΜΑΤΑ ΓΕΩΓΡΑΦΙΚΩΝ ΠΛΗΡΟΦΟΡΙΩΝ Η παραπάνω διαδικασία βρίσκει εφαρμογή στα Συστήματα Γεωγραφικών Πληροφοριών Βασισμένα σε Πράκτορες ως η επαναληπτική διαδικασία μάθησης και αναγνώρισης του περιβάλλοντος του Συστήματος Γεωγραφικών Πληροφοριών από τον πράκτορα. 2.2 Εργαλεία Εξομοίωσης Πολλαπλών Πρακτόρων 131 Η εξομοίωση ενός ανθρώπου ή άλλου φυσικού ή τεχνητού όντος αντικειμένου στηρίζεται άμεσα στην χρήση πρακτόρων όταν πρόκειται για μοντέλα βασισμένα σε πράκτορες. Η κατάταξη των πρακτόρων γίνεται σε κατηγορίες ανάλογα με το μέγεθος της ικανότητας τους να αντιλαμβάνονται τον χώρο και να αντιδρούν μέσα σε αυτόν σύμφωνα με τα ιδιαίτερα γνωρίσματα αυτού και τις καταστάσεις στις οποίες βρίσκονται σε κάθε δεδομένη χρονική στιγμή. Τα άκρα της κατηγοριοποίησης αυτής καταλαμβάνουν δύο είδη πρακτόρων σύμφωνα με την πολυπλοκότητα της δομής και λειτουργίας τους. Στο κάτω άκρο βρίσκονται οι πράκτορες οι οποίοι απλά αντιδρούν στα ερεθίσματα τα οποία δέχονται ενώ στο άνω άκρο βρίσκονται οι γνωστικοί πράκτορες οι οποίοι ακολουθούν μια διαδικασία μάθησης και σκέψης πριν δράσουν έναντι ενός ή περισσότερων ερεθισμάτων. Για τον λόγο αυτό οι πράκτορες του κατώτερου άκρου απλά αντιδρούν χωρίς να μαθαίνουν με συνέπεια να είναι αδύνατο για αυτούς να μεταβάλλουν την διαδικασία λήψης των αποφάσεων τους, είτε βάσει των ερεθισμάτων είτε των αποτελεσμάτων των πράξεών τους. Η απλή αντίδραση τους στηρίζεται σε ένα προκαθορισμένο πρότυπο αντίδρασης το οποίο είναι συνάρτηση καταστάσεων και στις οποίες βρίσκεται ο πράκτορας. Βάσει των προτύπων αυτών λαμβάνουν την απόφαση τους και δρουν εντελώς οπορτουνιστικά. Στο ανώτατο άκρο βρίσκεται η δεύτερη κατηγορία, αυτή των γνωστικών πρακτόρων. Οι γνωστικοί πράκτορες έχουν την ικανότητα να μαθαίνουν από τις μεταβολές που προκαλούν οι αποφάσεις τους στο περιβάλλον και να μεταβάλλουν κατάλληλα την συμπεριφορά τους έτσι ώστε να βελτιστοποιούν την αντίδραση τους και το αποτέλεσμα αυτής. Οι πράκτορες αυτού του τύπου έχουν την δυνατότητα να επικοινωνούν μεταξύ τους, 131 Multi Agent Simulation Tools Σελίδα 65 από 169

66 Κεφάλαιο 3 ο ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ & ΣΥΣΤΗΜΑΤΑ ΓΕΩΓΡΑΦΙΚΩΝ ΠΛΗΡΟΦΟΡΙΩΝ να μαθαίνουν και να ακολουθούν στόχους ή σκοπούς όπως αυτοί τίθενται κατά την εφαρμογή τους στο σύστημα. Υπάρχουν συστήματα πρακτόρων τα οποία απαρτίζονται από πολλούς πράκτορες, οι οποίοι εκτός από τα χαρακτηριστικά τα οποία περιγράφονται παραπάνω, έχουν την δυνατότητα να επικοινωνούν μεταξύ τους και να δρουν είτε ανταγωνιστικά είτε συνεργατικά. Επίσης δεν είναι απαραίτητο ότι στο σύστημα αυτό οι πράκτορες θα είναι ίδιοι ή ότι θα έχουν τον ίδιο σκοπό και στόχο. Ένα τέτοιο σύστημα προσφέρεται για την μελέτη των πολύπλοκων χωροχρονικών φαινόμενων. 2.3 Το λειτουργικό πλαίσιο ενός εργαλείου ενοποίησης των πρακτόρων με τα Συστήματα Γεωγραφικών Πληροφοριών Το περιβάλλον της εξομοίωσης παρέχει τον χώρο στον οποίο ζουν και δρουν οι πράκτορες, οι οποίοι σύμφωνα με τον προγραμματισμό τους, μιμούνται οντότητες του φυσικού κόσμου. Σύμφωνα με τα παραπάνω η επιλογή των αντικειμένων τα οποία χρησιμοποιούνται για την αναπαράσταση του περιβάλλοντος εντός του οποίου λειτουργεί ο πράκτορας για την ολοκλήρωση της εξομοίωσης, πρέπει να είναι σχετικά με το φαινόμενο προς εξομοίωση. Ο λόγος για τον οποίο πρέπει να συμβαίνει αυτό είναι σχετικά απλός και ευκολονόητος. Η χρήση αντικειμένων τα οποία είναι άσχετα με το φαινόμενο του οποίου η μελέτη ενδιαφέρει οδηγεί τον πράκτορα σε διαδικασίες κατανόησης των αντικειμένων με αποτέλεσμα την δημιουργία δομών δεδομένων οι οποίες είναι πολύπλοκες, άχρηστες για την εξομοίωση και με τελικό αποτέλεσμα την μείωση της ταχύτητας της εξομοίωσης και της αποτελεσματικότητας αυτής[11]. Επίσης όλα τα αντικείμενα τα οποία χρησιμοποιούνται κατά την εξομοίωση θα πρέπει να περιγράφονται πλήρως και σε όλες τις εμφανίσεις τους μέσα στο σύστημα. Η περιγραφή τους πρέπει να γίνεται στα πλαίσια αντίληψης και κατανόησης του πράκτορα έτσι ώστε να αποφεύγονται καταστάσεις δημιουργίας πολύπλοκων αλγορίθμων κατανόησης οι οποίοι με τη σειρά τους οδηγούν σε φτωχά αποτελέσματα εξομοίωσης. Σε γενικές γραμμές, οι πράκτορες και το περιβάλλον εξομοίωσης είναι στενά έως άρρηκτα συνδεδεμένα μεταξύ τους. Αυτό σημαίνει ότι για κάθε φαινόμενο το οποίο βρίσκεται Σελίδα 66 από 169

67 Κεφάλαιο 3 ο ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ & ΣΥΣΤΗΜΑΤΑ ΓΕΩΓΡΑΦΙΚΩΝ ΠΛΗΡΟΦΟΡΙΩΝ σε εξέλιξη, οι πράκτορες ενδιαφέρονται μόνο για συγκεκριμένα αντικείμενα του πραγματικού κόσμου τα οποία επιδρούν στο φαινόμενο και στην εξέλιξη αυτού. Βάσει του παραπάνω γίνεται αντιληπτή η ανάγκη παρουσίας και χρήσης ενός Συστήματος Γεωγραφικών Πληροφοριών. Το Σ.Γ.Π. είναι αυτό το οποίο μέσα από τους κανόνες λειτουργίας του παρέχει το περιβάλλον εξομοίωσης του υπό μελέτη φαινόμενου ενώ παράλληλα η δυνατότητα οργάνωσης του χώρου σε θεματικά επίπεδα επιτρέπει τον διαχωρισμό των αντικειμένων σε χρήσιμα και μη χρήσιμα ή απαραίτητα και μη απαραίτητα ως προς την εξέλιξη του φαινόμενου και την λειτουργία του πράκτορα ή των πρακτόρων. Σύμφωνα με τα παραπάνω για την εξομοίωση χωροχρονικών φαινόμενων σε πολύπλοκα συστήματα κρίνεται απαραίτητη η ενσωμάτωση της τεχνολογίας πρακτόρων και τεχνητής νοημοσύνης στα συστήματα γεωγραφικών πληροφοριών. 2.4 Οι ανάγκες του μηχανισμού αντίληψης και δράσης του πράκτορα Η μοντελοποίηση των πρακτόρων θα πρέπει να ακολουθεί μια συγκεκριμένη διαδικασία η οποία σε γενικές γραμμές περιγράφεται παρακάτω: Ο πράκτορας φέρει μια αρχική εσωτερική κατάσταση 132 η οποία περιγράφει τον γενικό τρόπο με τον οποίο ο πράκτορας αντιδρά και γενικά συμπεριφέρεται ως προς τα εξωτερικά ερεθίσματα τα οποία δέχεται μέσω της διαδικασίας αλληλεπίδρασης του με το περιβάλλον εντός του οποίου λειτουργεί. Αυτή η εσωτερική κατάσταση θα πρέπει να είναι η ίδια για όλους τους πράκτορες που θα δράσουν στο περιβάλλον και για τον λόγο αυτό είναι γενικευμένη. Επίσης θα πρέπει να είναι ανεξάρτητη από το υπό μελέτη πρόβλημα. Η συμπεριφορική διαδικασία του πράκτορα ως προς το πρόβλημα και το περιβάλλον είναι αυτή που οδηγεί στην κατ ανάγκη μεταβολή της εσωτερικής κατάστασης του πράκτορα. Άρα κρίνονται απαραίτητες να υπάρχουν οι μέθοδοι εκείνες οι οποίες θα χρησιμοποιούνται για την αρχικοποίηση αυτής της εσωτερικής κατάστασης, την ανάκτηση της και την μεταβολή της. Το κοινό χαρακτηριστικό των αντικειμένων του πραγματικού κόσμου είναι ότι κινούνται εντός ενός γεωγραφικού χώρου. Τα αντικείμενα αυτά είναι τόσο διαφορετικά 132 Internal State Σελίδα 67 από 169

68 Κεφάλαιο 3 ο ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ & ΣΥΣΤΗΜΑΤΑ ΓΕΩΓΡΑΦΙΚΩΝ ΠΛΗΡΟΦΟΡΙΩΝ μεταξύ τους. Μπορεί να αναφερόμαστε σε αντικείμενα τα οποία ξεκινούν από έναν απλό ιό στον οποίο μελετάται ο τρόπος με τον οποίο μεταδίδεται και να φτάνουμε μέχρι και στην μελέτη της εξέλιξης ενός φαινόμενου αμμοθύελλας. Παρόλα αυτά είναι δυνατόν να οριστεί ένα γενικό μοντέλο πράκτορα το οποίο διατηρεί αυτή την αρχική ιδιότητα της κίνησης και μετακίνησης μέσα στον γεωγραφικό χώρο. Οι συμπεριφορές κίνησης αυτού του γενικού μοντέλου καλούνται πρωτόγονες 133 και είναι δυνατόν να συνδυαστούν μεταξύ τους για να οδηγήσουν σε πολυπλοκότερα πρότυπα κίνησης. Οι πρωτόγονες συμπεριφορές κίνησης είναι οι στροφές, οι κινήσεις προς τα εμπρός και προς τα πίσω, η επιτάχυνση και η επιβράδυνση, η τήρηση σταθερής ταχύτητας, η τήρηση σταθερής πορείας, η τήρηση ενός μονοπατιού, η παρακολούθηση πορείας άλλου αντικειμένου. Γενικότερα οι στοιχειώδες αυτές συμπεριφορές κίνησης καλούνται συμπεριφορές κατεύθυνσης 134. Άλλη μια δυνατότητα η οποία πρέπει να παρέχεται στον πράκτορα είναι αυτή της εξερεύνησης του χώρου στον οποίο αυτός βρίσκεται. Με την δυνατότητα αυτή διαθέσιμη ο πράκτορας θα μπορεί να κινηθεί στον χώρο και να εντοπίσει συγκεκριμένο χαρακτηριστικό ή αντικείμενο στον χώρο το οποίο και αναζητά για την ολοκλήρωση του στόχου σκοπού του την δεδομένη χωροχρονική στιγμή. Επίσης θα πρέπει να του παρέχεται η δυνατότητα να μεταβάλλει την κατάσταση του περιβάλλοντος στο οποίο δρα σύμφωνα με τις ιδιότητες τόσο του περιβάλλοντος όσο και του εαυτού του. Για παράδειγμα ο πράκτορας Φωτιά θα πρέπει να είναι σε θέση να μεταβάλλει την κατάσταση του περιβάλλοντος Δάσος από ζωντανό σε καμένο. Αν και γενικότερα αυτό που φαίνεται να ενδιαφέρει είναι οι πράκτορες οι οποίοι απλά αντιδρούν σε ερεθίσματα του περιβάλλοντος, πολλές φορές χρησιμοποιούνται μηχανισμοί επικοινωνίας μεταξύ των πρακτόρων μέσα σε ανταγωνιστικά ή συνεργατικά περιβάλλοντα εξομοίωσης όπως αυτά έχουν περιγραφεί σε παραγράφους προηγούμενου κεφαλαίου. 133 primitive 134 Steering behaviors Σελίδα 68 από 169

69 Κεφάλαιο 3 ο ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ & ΣΥΣΤΗΜΑΤΑ ΓΕΩΓΡΑΦΙΚΩΝ ΠΛΗΡΟΦΟΡΙΩΝ 2.5 Σμήνη Πρακτόρων 135 Η εξομοίωση πολύπλοκων συστημάτων απαιτεί την δημιουργία, εκμετάλλευση και καταστροφή των λεγόμενων σμηνών πρακτόρων. Τέτοια συστήματα χρησιμοποιούνται στην εξομοίωση καταστάσεων κυκλοφοριακής συμφόρησης και μποτιλιαρίσματος, στα σχέδια εκκένωσης κτιρίων, οικισμών, πόλεων και άλλα, εξομοιώσεις άγριας ζωής κτλ [11]. Αυτό επιτυγχάνεται με την χρήση δομών πληροφορίας 136 οι οποίες συνήθως έχουν τη μορφή λίστας. Κατά συνέπεια απαιτείται και η ύπαρξη των μεθόδων εκείνων για την χρήση και την επεξεργασία αυτών των δομών. Ορισμένες από τις μεθόδους αυτές δίνονται παρακάτω: Δημιουργία Λίστας Προσθήκη / Αφαίρεση Αντικειμένου από τη λίστα Απαρίθμηση αντικειμένων λίστας Επιστροφή του πρώτου / τελευταίου αντικειμένου της λίστας Επιστροφή του ν οστού αντικειμένου της λίστας και άλλα Οι εντολές αυτές μπορούν να μεταβάλλουν τόσο την εσωτερική κατάσταση του πράκτορα όσο και την κατάσταση του περιβάλλοντος. 2.6 Γραφική Διεπαφή Χρήστη 137 Πέρα από τη χωρική αναπαράσταση του περιβάλλοντος μέσα από το Σύστημα Γεωγραφικών Πληροφοριών και την μηχανή γραφικών αναπαραστάσεων παρέχεται με αυτό, είναι απαραίτητη η χρήση ενός μηχανισμού γραφικής διεπαφής η οποία θα αφορά στους πράκτορες και την αλληλεπίδραση τους με το περιβάλλον. 135 Swarms Of Agents 136 Information Structure 137 Graphical User Interface Σελίδα 69 από 169

70 Κεφάλαιο 3 ο ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ & ΣΥΣΤΗΜΑΤΑ ΓΕΩΓΡΑΦΙΚΩΝ ΠΛΗΡΟΦΟΡΙΩΝ Με τη χρήση αυτού θα μπορεί να κινείτε, να σταματά και να ολοκληρώνεται μια εξομοίωση. Επίσης θα είναι δυνατό μέσω αυτής ο χρήστης να διαχειριστεί τα διάφορα χαρακτηριστικά του πράκτορα και του περιβάλλοντος διαμορφώνοντας κατά βούληση διάφορες παραμέτρους. Επίσης υπάρχει ανάγκη δημιουργίας γραφικών τα οποία θα εμφανίζουν στατιστικά στοιχεία τα οποία θα αφορούν στην εσωτερική κατάσταση του πράκτορα και στην κατάσταση του περιβάλλοντος τόσο όταν αυτό παραμένει στατικό όσο και ύστερα από την αλληλεπίδραση του με κάποιον ή κάποιους πράκτορες. 2.7 Δομές Ελέγχου, Μαθηματικές Συναρτήσεις και άλλα χαρακτηριστικά Όλα τα στοιχεία και χαρακτηριστικά τα οποία αναφέρονται στις παραπάνω παραγράφους θα πρέπει για την ολοκληρωμένη λειτουργία τους να περιστοιχίζονται από όλες εκείνες τις απαραίτητες δομές ελέγχου, τις μαθηματικές συναρτήσεις καθώς και τις διαδικασίες εκείνες για την δήλωση των μεταβλητών. 2.8 Πρόταση Εφαρμογής ενός ABGIS Σύμφωνα με τους Oscar Luiz Monteiro de Farias και Neido dos Santos προτείνεται η εξής μορφή ενός ABGIS: Το σύστημα αποτελείται από τρία διακριτά λειτουργικά επίπεδα τα οποία είναι τα παρακάτω: Το πρώτο επίπεδο αναφέρεται στο περιβάλλον λειτουργίας των πρακτόρων και καλείται επίπεδο περιβάλλοντος. Το δεύτερο επίπεδο σχετίζεται με τους στόχους και τα κίνητρα των πρακτόρων και καλείται επίπεδο στόχων κινήτρων και Το τρίτο επίπεδο αναφέρεται στην δράση των πρακτόρων μέσα στο περιβάλλον λειτουργίας και αλληλεπίδρασης και καλείται επίπεδο δράσης. Σελίδα 70 από 169

71 Κεφάλαιο 3 ο ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ & ΣΥΣΤΗΜΑΤΑ ΓΕΩΓΡΑΦΙΚΩΝ ΠΛΗΡΟΦΟΡΙΩΝ Επίπεδο Περιβάλλοντος Το επίπεδο περιβάλλοντος αντιπροσωπεύει το περιβάλλον στο οποίο λαμβάνει χώρα η εξομοίωση και περιλαμβάνει όλα τα χωρικά αντικείμενα και τους πράκτορες. Κάθε φορά που εκκινείται ένας κύκλος εξομοίωσης, το τμήμα αντίληψης του πράκτορα αναφέρεται στο επίπεδο περιβάλλοντος έτσι ώστε να λάβει γνώση της κατάστασης αυτού και της θέσης στην οποία αυτός βρίσκεται. Οι πληροφορίες αυτές θα χρησιμοποιηθούν στην συνέχεια από τον πράκτορα για την επιλογή των πράξεων που θα εφαρμόσει στο περιβάλλον. Στο επίπεδο αυτό θα πρέπει να περιλαμβάνεται ένας χωρικός κατάλογος έτσι ώστε να επιταχύνονται οι χωρικές αναζητήσεις καθώς και ένας δίαυλος επικοινωνίας μεταξύ των πρακτόρων. Αναφέρεται από τους δημιουργούς ότι στην περίπτωση που επιλεγεί να χρησιμοποιηθούν απλοί πράκτορες αντίδρασης τότε δεν είναι απαραίτητη η χρήση διαύλου επικοινωνίας. Αυτός είναι απαραίτητος μόνο κατά την χρήση γνωστικών πρακτόρων οι οποίο πρέπει να μπορούν να ανταλλάξουν πληροφορίες για την επίτευξη του στόχου τους Επίπεδο Στόχων Κινήτρων Το επίπεδο αυτό υλοποιεί την νοημοσύνη των πρακτόρων. Ο σκοπός της ύπαρξης αυτού του επιπέδου είναι η ανάλυση της πληροφορίας η οποία συγκεντρώνεται από το επίπεδο του περιβάλλοντος και βάσει των κινήτρων και της εσωτερικής κατάστασης των πρακτόρων, να επιλέγει την καταλληλότερη πορεία δράσης. Στο επίπεδο αυτό είναι δυνατόν να ενσωματωθούν διαδικασίες διαχείρισης μνήμης και προσαρμοστικότητας των πρακτόρων στις διάφορες καταστάσεις του περιβάλλοντος. Σελίδα 71 από 169

72 Κεφάλαιο 3 ο ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ & ΣΥΣΤΗΜΑΤΑ ΓΕΩΓΡΑΦΙΚΩΝ ΠΛΗΡΟΦΟΡΙΩΝ Επίπεδο Δράσης Το επίπεδο αυτό είναι υπεύθυνο για την εκτέλεση της συμπεριφοράς εκείνης η οποία ορίζεται από το προηγούμενο επίπεδο. Ακριβώς το πώς θα εκτελεστεί η συμπεριφορά αυτή εξαρτάται από τα χαρακτηριστικά του κάθε πράκτορα. Με αυτό τον τρόπο είναι δυνατόν διαφορετικοί πράκτορες παρά το ότι θα έχουν την ίδια συμπεριφορά να παράγουν διαφορετικά αποτελέσματα. Σελίδα 72 από 169

73 Κεφάλαιο 4 ο ΕΦΑΡΜΟΓΕΣ ΤΕΧΝΗΤΗΣ ΝΟΗΜΟΣΥΝΗΣ ΣΤΑ ΣΥΣΤΗΜΑΤΑ ΓΕΩΓΡΑΦΙΚΩΝ ΠΛΗΡΟΦΟΡΙΩΝ ΚΑΙ ΤΗΝ ΧΑΡΤΟΓΡΑΦΙΑ Κεφάλαιο 4 4 Σε αυτό το κεφάλαιο: Εισαγωγή Εφαρμογές Πρακτόρων σε Συστήματα Γεωγραφικών Πληροφοριών Τεχνητή Νοημοσύνη και Χαρτογραφία Σελίδα 73 από 169

74 Κεφάλαιο 4 ο ΕΦΑΡΜΟΓΕΣ ΤΕΧΝΗΤΗΣ ΝΟΗΜΟΣΥΝΗΣ ΣΤΑ ΣΥΣΤΗΜΑΤΑ ΓΕΩΓΡΑΦΙΚΩΝ ΠΛΗΡΟΦΟΡΙΩΝ ΚΑΙ ΤΗΝ ΧΑΡΤΟΓΡΑΦΙΑ 1. Εισαγωγή Ε ίναι σημαντικό να γίνει κατανοητό ότι η εφαρμογή της τεχνητής νοημοσύνης σε ένα σύστημα γεωγραφικών πληροφοριών δεν είναι απαραίτητα συνηφασμένη με την εξομοίωση 138 και την χωροχρονική μελέτη φαινόμενων όπως αυτά προκύπτουν στο περιβάλλον που περιγράφεται από ένα σύστημα γεωγραφικών πληροφοριών. Αντίθετα η τεχνολογία αυτή μπορεί να χρησιμοποιηθεί και στον τρόπο με τον οποίο δομείται μια εφαρμογή συστημάτων γεωγραφικών πληροφοριών, δηλαδή το ίδιο το πακέτο λογισμικού ή υποσυστήματα της ίδιας της εφαρμογής, τα οποία εκμεταλλεύονται τις παροχές της τεχνητής νοημοσύνης για την κάλυψη των αναγκών του χρήστη. Για παράδειγμα είναι δυνατόν σε ένα πακέτο λογισμικού συστημάτων γεωγραφικών πληροφοριών η διεπαφή του χρήστη 139 να είναι κατασκευασμένη με βάση την τεχνητή νοημοσύνη και να προσαρμόζεται στις επιλογές του χρήστη κατά την διάρκεια εργασίας εξελισσόμενη κατά ανάγκη. Φαινόμενα τέτοια σε άλλες εφαρμογές παρατηρούνται πολύ συχνά και όχι μόνο σε πακέτα συστημάτων γεωγραφικών πληροφοριών, όπου ο χρήστης έχει γρήγορη πρόσβαση στις συχνότερα χρησιμοποιούμενες εντολές, αντικείμενα τα οποία αντιδρούν σε μεταβολές του περιβάλλοντος και ενημερώνουν τον χρήστη κατάλληλα ή ενημερώνουν και διορθώνουν άλλα αντικείμενα τα οποία σχετίζονται άμεσα με την εργασία του χρήστη, χωρίς όμως να ενοχλείται ο χρήστης από την διαδικασία της ενημέρωσης αυτής. Επίσης παρατηρείται έντονη χρήση πρακτόρων και τεχνητής νοημοσύνης σε χαρτογραφικές εφαρμογές οι οποίες είναι άρρηκτα συνδεδεμένες με τα συστήματα γεωγραφικών πληροφοριών. Υπάρχουν παραδείγματα εφαρμογών οι οποίες αναλύουν τα χωρικά αντικείμενα ενός χάρτη και στην συνέχεια προτείνουν στον χρήστη, ανάλογα με την κατηγορία στην οποία ανήκει το κάθε αναλυόμενο αντικείμενο του χάρτη, την εφαρμογή αλλαγών για καλύτερο χαρτογραφικό αποτέλεσμα σε μια δεδομένη κλίμακα. Ακόμη, υπάρχουν εφαρμογές οι οποίες χρησιμοποιούνται σε διαδικασίες γενίκευσης χαρτών με σκοπό να διευκολύνουν τον χρήστη μειώνοντας τον φόρτο εργασίας του. Τα παραδείγματα 138 simulation 139 user interface Σελίδα 74 από 169

75 Κεφάλαιο 4 ο ΕΦΑΡΜΟΓΕΣ ΤΕΧΝΗΤΗΣ ΝΟΗΜΟΣΥΝΗΣ ΣΤΑ ΣΥΣΤΗΜΑΤΑ ΓΕΩΓΡΑΦΙΚΩΝ ΠΛΗΡΟΦΟΡΙΩΝ ΚΑΙ ΤΗΝ ΧΑΡΤΟΓΡΑΦΙΑ είναι πολλά και σημαντικά. Δείχνουν μια τάση του επιστημονικού χώρου η οποία με σταθερά βήματα εισέρχεται και στο εμπορικό κομμάτι των διάφορων εφαρμογών. Άλλωστε, τα τελευταία δέκα με δεκαπέντε χρόνια, τα Συστήματα Γεωγραφικών Πληροφοριών όπως είναι γνωστό έχουν υιοθετηθεί από ένα ευρύτατο φάσμα υπηρεσιών και χρησιμοποιούνται σε πολλές διαδικασίες, οι οποίες ποικίλουν από πολεοδομικό σχεδιασμό μέχρι την χωροθέτηση εγκαταστάσεων και λήψη αποφάσεων. Σήμερα με την χρήση και την ραγδαία εξέλιξη του διαδικτύου, ένας τεράστιος όγκος γεωδεδομένων 140 είναι διαθέσιμος στους χρήστες με το πάτημα ενός κουμπιού. Τα πλεονεκτήματα από την εκμετάλλευση αυτών των πηγών πληροφορίας είναι τεράστια. Εν τούτοις υπάρχει το πρόβλημα της βέλτιστης εκμετάλλευσης αυτών, από τους χρήστες, η οποία γίνεται όλο και πιο δύσκολο να επιτευχθεί καθώς αν ληφθεί υπόψη το μέγεθος και μόνο αυτών των πληροφοριών, γίνεται αντιληπτό το πρόβλημα της άμεση και βέλτιστης χρήσης τους η οποία θα εξοικονομήσει σε χρόνο και χρήμα. Επίσης η συνεχής εξέλιξη των Συστημάτων Γεωγραφικών Πληροφοριών και η διείσδυση σε πολλά και διάφορα επιστημονικά πεδία έδωσε πρόσβαση σε αυτά σε ανθρώπους διαφόρων επαγγελμάτων και γνωστικών επιπέδων. Παρόλα αυτά ο βαθμός παραγωγικότητας που αφορά σε αυτούς τους ανθρώπους σε σχέση με τα Συστήματα Γεωγραφικών Πληροφοριών είναι ιδιαίτερα περιορισμένος επειδή υπολείπεται το τεχνικό γνωστικό υπόβαθρο που αφορά στα Σ.Γ.Π. και το οποίο αποκτούν μόνο αυτοί που ασχολούνται είτε ως γνωστικό αντικείμενο είτε ως άμεση εργασία. Από την άλλη τα πακέτα αυτά γίνονται όλο και πιο πολύπλοκα και δύσχρηστα καθώς γίνεται μια προσπάθεια να καλύπτουν όσο το δυνατόν περισσότερες ανάγκες καθιστώντας τα έτσι εργαλεία με πολλές δυνατότητες, τεράστιο δυναμικό αλλά παράλληλα δύσκολα στην χρήση από μη εξειδικευμένους επιστήμονες ή χρήστες. Γίνεται εμφανές ότι η βελτίωση της διαδραστικότητας του λογισμικού με τον χρήστη είναι από τα σημαντικότερα ζητήματα τα οποία οφείλουν να αντιμετωπιστούν. Πιο συγκεκριμένα, το Γραφικό Περιβάλλον του Χρήστη 141 ή η Διεπαφή Χρήστη, είναι αυτό το οποίο αποτελεί τον ακρογωνιαίο λίθο όσων αφορά στην χρηστικότητα ενός πακέτου, όσο 140 Geodata 141 Graphical User Interface Σελίδα 75 από 169

76 Κεφάλαιο 4 ο ΕΦΑΡΜΟΓΕΣ ΤΕΧΝΗΤΗΣ ΝΟΗΜΟΣΥΝΗΣ ΣΤΑ ΣΥΣΤΗΜΑΤΑ ΓΕΩΓΡΑΦΙΚΩΝ ΠΛΗΡΟΦΟΡΙΩΝ ΚΑΙ ΤΗΝ ΧΑΡΤΟΓΡΑΦΙΑ πολύπλοκο και αν είναι αυτό. Άρα ένα νοήμων γραφικό περιβάλλον το οποίο θα διευκολύνει τον χρήστη στην όποια εργασία του, είναι ένα ιδανικό εργαλείο στην βελτιστοποίηση της χρήσης των Συστημάτων Γεωγραφικών Πληροφοριών ιδιαίτερα όταν αυτά εξελίσσονται τάχιστα. Η εφαρμογή πρακτόρων τεχνητής νοημοσύνης σε ένα περιβάλλον Συστήματος Γεωγραφικών Πληροφοριών είναι ένα πεδίο ιδιαίτερα ενεργό και κινητικό. Υπάρχουν αυτή τη στιγμή πολλά έργα εν εξελίξει, που αφορούν στον χώρο αυτό όπως, αναζήτηση και φιλτράρισμα γεωγραφικών πληροφοριών, έξυπνες μηχανές αναζήτησης γεωγραφικών δεδομένων, εξόρυξη πληροφορίας, έμπειρα συστήματα, αξιολόγηση μοντέλων, βελτιστοποιήσεις και άλλα. Οι εφαρμογές αυτές είναι από τις λίγες που εκμεταλλεύονται την τεχνολογία της τεχνητής νοημοσύνης και των πρακτόρων στο πεδίο των Συστημάτων Γεωγραφικών Πληροφοριών. 2. Εφαρμογές Πρακτόρων στα Συστήματα Γεωγραφικών Πληροφοριών Ο ι πράκτορες τεχνητής νοημοσύνης βρήκαν πρόσφορο έδαφος στα Συστήματα Γεωγραφικών Πληροφοριών καθώς το περιβάλλον αυτών παρέχει τεράστιες δυνατότητες εξέλιξης. Οι πράκτορες λογισμικού 142, όπως αλλιώς είναι γνωστοί οι πράκτορες τεχνητής νοημοσύνης δύναται να χρησιμοποιηθούν όπως προαναφέρεται τόσο στις εφαρμογές συστημάτων γεωγραφικών πληροφοριών, όπως για παράδειγμα στην εύρεση κατάλληλου χώρου για την εγκατάσταση μιας Βαριάς Βιομηχανίας, όσο και στο ίδιο το λογισμικό των συστημάτων γεωγραφικών πληροφοριών. 2.1 Σύνδεση Σ.Γ.Π. και Λογισμικού Δημιουργίας Χωρικών Μοντέλων Τα Συστήματα Υποστήριξης Χωρικών Αποφάσεων 143 χρησιμοποιούνται για την μοντελοποίηση και εξομοίωση του χώρου βάσει παραμέτρων οι οποίες προκύπτουν από δεδομένο πρόβλημα για το οποίο οφείλει να ληφθεί μια απόφαση, όπως για παράδειγμα η χωροθέτηση μια νέας Βιομηχανικής Περιοχής ή ενός Χώρου Υγειονομικής Ταφής 142 Software Agents 143 Spatial Decision Support Systems Σελίδα 76 από 169

77 Κεφάλαιο 4 ο ΕΦΑΡΜΟΓΕΣ ΤΕΧΝΗΤΗΣ ΝΟΗΜΟΣΥΝΗΣ ΣΤΑ ΣΥΣΤΗΜΑΤΑ ΓΕΩΓΡΑΦΙΚΩΝ ΠΛΗΡΟΦΟΡΙΩΝ ΚΑΙ ΤΗΝ ΧΑΡΤΟΓΡΑΦΙΑ Απορριμμάτων. Σκοπός τους είναι βάσει των παραμέτρων και της εξομοίωσης της πραγματικότητας μέσα από τις διαδικασίες της μοντελοποίησης να προκύψει μια ανάλυση και εκτίμηση του χωρικού προβλήματος η οποία στην συνέχεια θα χρησιμοποιηθεί για την εξεύρεση λύσης ή ακόμα είναι δυνατόν να προταθεί από το ίδιο το σύστημα λύση. Ο τρόπος με τον οποίο μπορεί να γίνει η ενοποίηση ενός Συστήματος Γεωγραφικών Πληροφοριών με ένα Σύστημα Εξομοίωσης και Μοντελοποίησης 144 του χώρου, σύμφωνα με τις προσταγές τις Τεχνητής Νοημοσύνης είναι ο συνδυασμός που προκύπτει από την χρήση της μηχανής Συστήματος Γεωγραφικών Πληροφοριών 145 με τους Πράκτορες Τεχνητής Νοημοσύνης. Μια από τις σημαντικότερες μεθόδους για αυτή την ενοποίηση προέρχεται από τους Sengupta et al. [12]. Η μέθοδος προτείνει και υλοποιεί την ενοποίηση με την χρήση πρακτόρων οι οποίοι επικοινωνούν μεταξύ τους με την χρήση μιας γλώσσας η οποία αναφέρεται ως Model Definition Language (MDL) και παρέχει ένα επικοινωνιακό πρωτόκολλο για την χαρτογραφική μοντελοποίηση. Η δομή του συστήματος περιέχει πέντε (5) κλάσεις πρακτόρων 146 όπου η κάθε μια αναλαμβάνει την διεκπεραίωση συγκεκριμένων εργασιών. Οι κλάσεις αυτές είναι οι εξής: Πράκτορας Διεπαφής Χρήστη 147 Πράκτορας Αναζήτησης Μοντέλου 148 Πράκτορας Χωρικής Μοντελοποίησης 149 Πράκτορας Αναζήτησης Δεδομένων 150 Πράκτορας Υλοποίησης Χωρικού Τελεστή Spatial Simulation and Modeling 145 Geographic Information System Engine. Αναφέρεται σε όλες εκείνες τις λειτουργίες που εκτελούνται από ένα GIS και μπορούν προγραμματιστικά να μεταφερθούν και να συνδυαστούν με οποιοδήποτε σύστημα. 146 Agent Classes 147 User Interface Agent 148 Model Search Agent 149 Spatial Modeling Agent 150 Data Search Agent 151 Spatial Operator Implementation Agent Σελίδα 77 από 169

78 Κεφάλαιο 4 ο ΕΦΑΡΜΟΓΕΣ ΤΕΧΝΗΤΗΣ ΝΟΗΜΟΣΥΝΗΣ ΣΤΑ ΣΥΣΤΗΜΑΤΑ ΓΕΩΓΡΑΦΙΚΩΝ ΠΛΗΡΟΦΟΡΙΩΝ ΚΑΙ ΤΗΝ ΧΑΡΤΟΓΡΑΦΙΑ Κάθε μια από τις παραπάνω κλάσεις εκτελεί μια συγκεκριμένη λειτουργία διαδοχικά όταν ο χρήστης εκκινήσει την διαδικασία της μοντελοποίησης. Με την χρήση της MDL δημιουργούνται χωρικοί τελεστές αναγνώσιμοι από τους πράκτορες οι οποίοι στην συνέχεια χρησιμοποιούνται για την εφαρμογή ερωτημάτων, την ανάκτηση και την αποθήκευση δεδομένων. 2.2 Αναζήτηση Χωρικών Δεδομένων και Φιλτράρισμα Με την εξέλιξη και διάχυση του διαδικτύου, σήμερα υπάρχει διαθέσιμη μια πλειάδα ελεύθερων προς χρήση δεδομένων χωρικής και γεωγραφικής φύσεως. Τόσο το πλήθος όσο και ο όγκος τους, καθιστά δύσχρηστη έως αδύνατη την διαχείριση τους. Η τεχνολογία των πρακτόρων έρχεται να δώσει λύση στο πρόβλημα. Με την χρήση ενός πράκτορα ο οποίος έχει ως στόχο τον εντοπισμό δεδομένων συγκεκριμένου τύπου, φύσης και ενδιαφέροντος, δύναται να φέρει αποτελέσματα μέσα από μια τεράστια συλλογή δεδομένων σε μικρό χρονικό διάστημα και με μεγάλη επιτυχία. Η χρήση των πρακτόρων στις συγκεκριμένες εφαρμογές έχει ως αποτέλεσμα την ταχύτερη λειτουργία συστημάτων αναζήτησης και ανάσυρσης δεδομένων. Συνέπεια όλων αυτών είναι η ποιοτικότερη και αποδοτικότερη λειτουργία των Σ.Γ.Π. αλλά και η ταχύτερη ολοκλήρωση εργασιών καθώς μειώνεται σημαντικά ο χρόνος αναζήτησης των κατάλληλων δεδομένων. 2.3 Έξυπνο Περιβάλλον Είναι γνωστό ότι ο τεράστιος αριθμός λειτουργιών που παρέχουν σήμερα τα πακέτα GIS αναγκάζει τους κατασκευαστές στην δημιουργία Διεπαφών Χρήστη 152 οι οποίες είναι πολύπλοκες και δύσχρηστες. Η εφαρμογή πρακτόρων σε αυτό τον χώρο παρέχει την δυνατότητα δημιουργίας περιβάλλοντος το οποίο είναι έξυπνο με την έννοια ότι μπορεί να προσαρμόζεται άμεσα στις ανάγκες του χρήστη ή ακόμα και να κατευθύνει τον χρήστη προς τις διάφορες λειτουργίες που επιθυμεί αυτός να εκτελέσει. Έτσι προέκυψε η Νοήμον Διεπαφή 152 User Interface Σελίδα 78 από 169

79 Κεφάλαιο 4 ο ΕΦΑΡΜΟΓΕΣ ΤΕΧΝΗΤΗΣ ΝΟΗΜΟΣΥΝΗΣ ΣΤΑ ΣΥΣΤΗΜΑΤΑ ΓΕΩΓΡΑΦΙΚΩΝ ΠΛΗΡΟΦΟΡΙΩΝ ΚΑΙ ΤΗΝ ΧΑΡΤΟΓΡΑΦΙΑ Χρήστη 153. Το περιβάλλον αυτό λειτουργεί κατά τρόπο ο οποίος να μεγιστοποιεί την παραγωγικότητα του χρήστη με το περιβάλλον του προγράμματος. Οι πράκτορες στον συγκεκριμένο χώρο είναι μια σχετικά νέα προσέγγιση και χρησιμοποιούνται για την κατασκευή αυτών των εύχρηστων περιβαλλόντων. Η βασική διαφοροποίηση μεταξύ Πρακτόρων Διεπαφής 154 από τα άλλα IUI είναι ότι οι πράκτορες διατηρούν και έναν βαθμό αυτονομίας με συνέπεια την αποτελεσματικότερη λειτουργία της διεπαφής λόγω της λειτουργίας του πράκτορα. Γενικά οι πράκτορες διεπαφών ταξινομούνται σε τρεις κατηγορίες οι οποίες είναι οι παρακάτω: Πράκτορες Φιλτραρίσματος Πληροφορίας 155 Πράκτορες Ανάκτησης Πληροφορίας 156 Προσωπικοί Ψηφιακοί Βοηθοί 157 Η εξέλιξη των Συστημάτων Γεωγραφικών Πληροφοριών τα κατέστησε προσβάσιμα σε έναν συνεχώς αυξανόμενο αριθμό χρηστών οι οποίοι δεν είναι πάντα εξειδικευμένοι στην χρήση πολύπλοκων πακέτων. Θεωρώντας λοιπόν ότι ο χρήστης δεν είναι γνώστης του συστήματος ή της βάσης δεδομένων που το στηρίζει, ένας πράκτορας διεπαφής θα μπορούσε να βοηθήσει αυτόν τον χρήστη να ανακτήσει τα δεδομένα τα οποία επιθυμεί και να εκτελέσει τις διάφορες λειτουργίες για χρήση του συστήματος. Επίσης δεν αποκλείεται να βοηθήσει τον χρήστη, στην εκτέλεση εκτός απλών διαδικασιών και πολύπλοκων καθοδηγώντας τον βήμα βήμα στην ολοκλήρωση της εργασίας του Διεπαφή GIS βασισμένη σε Πράκτορα για διαδικτυακές εφαρμογές Η ανάγκη για απλή πρόσβαση σε δεδομένα για την ολοκλήρωση καθημερινών εργασιών είναι μεγάλη και συχνή. Είναι πολλές οι φορές όπου οι χρήστες δεν επιθυμούν την 153 Intelligent User Interface (IUI) 154 Interface Agents 155 Information Filtering Agents 156 Information Retrieval Agents 157 Personal Digital Assistants Σελίδα 79 από 169

80 Κεφάλαιο 4 ο ΕΦΑΡΜΟΓΕΣ ΤΕΧΝΗΤΗΣ ΝΟΗΜΟΣΥΝΗΣ ΣΤΑ ΣΥΣΤΗΜΑΤΑ ΓΕΩΓΡΑΦΙΚΩΝ ΠΛΗΡΟΦΟΡΙΩΝ ΚΑΙ ΤΗΝ ΧΑΡΤΟΓΡΑΦΙΑ εκτέλεση πολύπλοκων εργασιών ή την εισαγωγή δεδομένων στην βάση του συστήματος. Σκοπός τους είναι απλά η πρόσβαση και προβολή δεδομένων συγκεκριμένου χαρακτήρα τα οποία θα χρησιμοποιηθούν σε συγκεκριμένη εργασία η οποία συνήθως επαναλαμβάνεται σε καθημερινή βάση όπως για παράδειγμα ένας έλεγχος για την πίεση του νερού σε μια δεξαμενή ενός δικτύου ύδρευσης. Επίσης πολλές φορές διευκολύνεται η διαδικασία αυτή όταν η πρόσβαση στα δεδομένα γίνεται από κάποια απομακρυσμένη θέση όπως για παράδειγμα από έναν υπολογιστή ο οποίος βρίσκεται σε ένα γραφείο μιας υπηρεσίας και η πρόσβαση γίνεται σε δεδομένα τα οποία βρίσκονται σε κάποιον εξυπηρετητή 158 σε κάποιο άλλο γραφείο της υπηρεσίας ή ακόμα και σε άλλη υπηρεσία. Για την διευκόλυνση των διαδικασιών αυτών στις οποίες ως μέσω μεταφοράς των δεδομένων παρεμβάλλεται το Διαδίκτυο αναπτύσσονται έξυπνες διαδικτυακές εφαρμογές 159. Οι εφαρμογές αυτές χρησιμοποιούν το απλό και καθημερινό περιβάλλον ενός φυλλομετρητή 160 για την γρήγορη πρόσβαση σε δεδομένα χωρίς την χρήση πολύπλοκων πακέτων GIS Πράκτορας Διεπαφής για το ArcEdit Όπως συχνά αναφέρεται σε αυτό το κεφάλαιο πολλές φορές οι πράκτορες χρησιμοποιούνται για την διευκόλυνση της εργασίας με το περιβάλλον. Για τον λόγο αυτό αναπτύχθηκαν ακόμα και εμπορικές εφαρμογές που καλύπτουν αυτή την ανάγκη. Η Clover Point Cartographics Ltd. ανέπτυξε ένα γραφικό περιβάλλον 161 το οποίο σε μεγάλο βαθμό είναι όμοιο με αυτό της Εξερεύνησης των Windows 162 το οποίο απλοποιεί την χρήση του ArcEdit ειδικά για χρήστες που δεν έχουν εξοικειωθεί με αυτό. Η εφαρμογή καλείται Personal Edit Agent (PEA) και επιτρέπει στον χρήστη να αναζητήσει τα αρχεία που τον ενδιαφέρουν μέσα από ένα γνώριμο περιβάλλον καταλόγων και αρχείων και στην συνέχεια αυτά να φορτωθούν στο ArcEdit. 158 Server 159 Web Applications 160 Browser 161 Graphic Environment 162 Windows Explorer Σελίδα 80 από 169

81 Κεφάλαιο 4 ο ΕΦΑΡΜΟΓΕΣ ΤΕΧΝΗΤΗΣ ΝΟΗΜΟΣΥΝΗΣ ΣΤΑ ΣΥΣΤΗΜΑΤΑ ΓΕΩΓΡΑΦΙΚΩΝ ΠΛΗΡΟΦΟΡΙΩΝ ΚΑΙ ΤΗΝ ΧΑΡΤΟΓΡΑΦΙΑ Πράκτορας Διεπαφής για το ArcInfo Η τεχνητή νοημοσύνη έχει να επιδείξει ιδιαίτερα αξιόλογα επιτεύγματα και ένα από αυτά είναι η αναγνώριση γλώσσας. Σε μια τέτοια λογική βασίζεται ο πράκτορας των Campos et al. [13]. Ανέπτυξαν ένα σύστημα το οποίο βασίζεται σε έναν πράκτορα διεπαφής ο οποίος χαρακτηρίζεται από την χρήση βάσης γνώσεως 163. Σκοπός του είναι η βοήθεια χρηστών που δεν έχουν χρησιμοποιήσει το ArcInfo να μπορέσουν να έχουν πρόσβαση σε δεδομένα και να μπορούν να τα επεξεργαστούν. Για να είναι σε θέση ο πράκτορας να βοηθήσει τον χρήστη θα πρέπει να καλύπτει τις παρακάτω προϋποθέσεις: Να κατασκευάζει σειρές από εντολές ArcInfo οι οποίες παρέχουν απαντήσεις σε τυπικά ερωτήματα προς μια βάση δεδομένων ArcInfo. Να συμπεραίνει, εάν είναι δυνατόν, ποιες είναι οι βέλτιστες αντιστοιχίες μεταξύ της ιδέας του χρήστη και των δεδομένων του ArcInfo και στην συνέχεια να παράγει γραφικά και κείμενο τα οποία θα είναι στην διάθεση του χρήστη. Η εργασία την οποία έχει να εκτελέσει ο πράκτορας είναι αρκούντος δύσκολη και πολύπλοκη και αναλύεται όπως παρακάτω: Μεταγλώττιση του ερωτήματος του χρήστη. Μετάφραση σε εντολές ArcInfo. Λήψη αποτελεσμάτων από το ArcInfo. Παρουσίαση στον χρήστη. Για να επιτευχθούν τα παραπάνω θα πρέπει ο πράκτορας να έχει έναν τρόπο να μετατρέπει το ερώτημα του χρήστη το οποίο δίνεται σε απλά αγγλικά σε σειρά εντολών του 163 Knowledge Base Σελίδα 81 από 169

82 Κεφάλαιο 4 ο ΕΦΑΡΜΟΓΕΣ ΤΕΧΝΗΤΗΣ ΝΟΗΜΟΣΥΝΗΣ ΣΤΑ ΣΥΣΤΗΜΑΤΑ ΓΕΩΓΡΑΦΙΚΩΝ ΠΛΗΡΟΦΟΡΙΩΝ ΚΑΙ ΤΗΝ ΧΑΡΤΟΓΡΑΦΙΑ ArcInfo. Για να γίνει η μετατροπή αυτή χρησιμοποιούνται, από τον πράκτορα, αλληλουχίες πράξεων 164 οι οποίες εφαρμόζονται όταν ικανοποιούνται συγκεκριμένες συνθήκες για κάθε ερώτημα του χρήστη. Η αναπαραστάσεις 165 αυτών των αλληλουχιών αποθηκεύονται σε μια βάση δεδομένων η οποία είναι η βάση γνώσης του πράκτορα και χρησιμοποιούνται για την μετάφραση των ερωτημάτων, όπως τίθενται στα αγγλικά, σε σειρές εντολών ArcInfo. Για την λειτουργία του πράκτορα και γενικότερα του συστήματος χρησιμοποιείται αρχιτεκτονική πελάτη εξυπηρετητή 166 η οποία υλοποιείται σε περιβάλλον τοπικού δικτύου. Τα ερωτήματα του χρήστη λαμβάνονται από την μηχανή του πράκτορα και στην συνέχεια από τα αγγλικά μεταφράζονται, με την χρήση της βάσης γνώσης, σε εντολές ArcInfo. Επίσης υπάρχει αλληλεπίδραση με τον χρήστη έτσι ώστε αν προκύψει πρόβλημα αντιστοίχησης τότε αυτό να επιλύεται και παράλληλα να εμπλουτίζεται η βάση γνώσης. Εφόσον ολοκληρωθεί η διαδικασία της μετάφρασης, οι εντολές στέλνονται σε έναν εξυπηρετητή ArcInfo, εκτελούνται και επιστρέφουν τα δεδομένα στον χρήστη. Οι Campos et. al. ανέπτυξαν αυτό το πρότυπο σύστημα το οποίο χρησιμοποιεί το SNePS (Semantic Network Processing System) ως περιβάλλον για την ανάπτυξη της γνώσης του πράκτορα και σαν γλώσσα προγραμματισμού την Common Lisp, η οποία είναι από τις σημαντικότερες γλώσσες για την ανάπτυξη εφαρμογών τεχνητής νοημοσύνης. Το περιβάλλον στο οποίο τέθηκε σε λειτουργία το σύστημα είναι ένας σταθμός εργασίας Sun Sparc. 2.4 Κατανεμημένα Συστήματα Γεωγραφικών Πληροφοριών 167 Το πεδίο της Κατανεμημένης Τεχνητής Νοημοσύνης ανήκει στην επιστήμη της Τεχνητής Νοημοσύνης και ασχολείται με την κοινωνία πρακτόρων οι οποίο αλληλεπιδρούν με σκοπό την επίλυση ενός προβλήματος[11]. Μια κοινωνία πρακτόρων αυτού του τύπου καλείται Σύστημα Πολλών Πρακτόρων 168 και φυσικά αντιστοιχίζεται στο Περιβάλλον Πολλών Πρακτόρων όπως αυτό αναφέρεται νωρίτερα. Ουσιαστικά πρόκειται για ένα σύνολο 164 Sequences of actions 165 Representations 166 Client Server Architecture 167 Distributed Geographic Information Systems 168 Multi Agent System (MAS) Σελίδα 82 από 169

83 Κεφάλαιο 4 ο ΕΦΑΡΜΟΓΕΣ ΤΕΧΝΗΤΗΣ ΝΟΗΜΟΣΥΝΗΣ ΣΤΑ ΣΥΣΤΗΜΑΤΑ ΓΕΩΓΡΑΦΙΚΩΝ ΠΛΗΡΟΦΟΡΙΩΝ ΚΑΙ ΤΗΝ ΧΑΡΤΟΓΡΑΦΙΑ πρακτόρων που έχουν ως κοινό σκοπό την επίλυση ενός προβλήματος το οποίο κανείς από αυτούς δεν δύναται να το επιλύσει μόνος. Τα MAS έχουν ορισμένα πλεονεκτήματα σύμφωνα με τον Purvis et. al. [14] τα οποία παρατίθενται παρακάτω: Χρησιμοποιώντας την κοινωνία των πρακτόρων οι οποίοι στην προκειμένη περίπτωση καλούνται λύτες προβλήματος 169 καθίσταται εφικτή η χρήση και εφαρμογή στρατηγικών διαίρει και βασίλευε 170. Με την χρήση αυτών των τεχνικών επίλυσης προβλημάτων ο κάθε πράκτορας ασχολείται μόνο με το τοπικό πρόβλημα, το οποίο αποτελεί τμήμα του μεγαλύτερου προβλήματος, το οποίο και βάσει των πόρων που κατέχει μπορεί να επιλύσει συνεισφέροντας κατά αυτόν τον τρόπο στην συνολική λύση. Έτσι είναι δυνατόν να επιλυθούν πολύπλοκα προβλήματα. Η νοητή εικόνα των αυτόνομων πρακτόρων ως ανθρωπόμορφες οντότητες διευκολύνει την αντιστοίχηση προβλημάτων του πραγματικού κόσμου στον υπολογιστικό τομέα. Η ιδέα ενός συνόλου πρακτόρων να συνεργάζονται για την επίλυση ενός προβλήματος όπου κανένας δεν θα ήταν σε θέσει να επιλύσει αυτόνομα είναι μια ισχυρότατη μεταφορά η οποία υποκινεί την σκέψη σύμφωνα με την οποία διάφορα στοιχεία είναι δυνατό να συνδυαστούν για να ολοκληρωθεί ένας σκοπός και να επιτευχθεί ένας τελικός στόχος. Άλλη μια πρόταση που αφορά στα κατανεμημένα συστήματα γεωγραφικών πληροφοριών προέρχεται από τον Suguraman[15] σύμφωνα με τον οποίο στο περιβάλλον του Σ.Γ.Π. δεν είναι απαραίτητο ότι θα κατοικούν του ίδιου τύπου πράκτορες. Αυτό σημαίνει ότι 169 Problem Solvers 170 Divide and Conquer Σελίδα 83 από 169

84 Κεφάλαιο 4 ο ΕΦΑΡΜΟΓΕΣ ΤΕΧΝΗΤΗΣ ΝΟΗΜΟΣΥΝΗΣ ΣΤΑ ΣΥΣΤΗΜΑΤΑ ΓΕΩΓΡΑΦΙΚΩΝ ΠΛΗΡΟΦΟΡΙΩΝ ΚΑΙ ΤΗΝ ΧΑΡΤΟΓΡΑΦΙΑ στο Σ.Γ.Π. οι πράκτορες θα είναι διαφορετικού τύπου με διαφορετικές δυνατότητες και φυσικά ιδιαιτερότητες. Η χρηστικότητα του κάθε πράκτορα εξαρτάται από το δεδομένο πρόβλημα και από την κατάσταση στην οποία βρίσκεται το περιβάλλον και ο πράκτορας. Οι πράκτορες αυτοί συνεργάζονται με την ίδια λογική που συνεργάζονται και όμοιου τύπου πράκτορες με σκοπό την ταχύτερη επίλυση του προβλήματος υπό μελέτη. Οι πράκτορες που προτείνονται από τον Suguraman είναι οι παρακάτω: Πράκτορες Διεπαφής Χρήστη 171 οι οποίοι παρακολουθούν την συμπεριφορά του χρήστη, καταγράφουν κινήσεις και επιθυμίες και αφού ολοκληρώσουν έναν πρωταρχικό κύκλο μάθησης τότε αναλαμβάνουν να εκτελέσουν μόνοι τους εργασίες χωρίς την επέμβαση του χρήστη. Επίσης προτείνουν λύσεις σε προβλήματα που προκύπτουν βάσει της εμπειρίας από προηγούμενες καταστάσεις και σύμφωνα με τον τρόπο που ο χρήστης επίλυσε παρόμοια προβλήματα στο παρελθόν. Βασικό χαρακτηριστικό είναι ότι το γραφικό περιβάλλον θα εξελίσσεται συνεχώς με την πάροδο του χρόνου παρέχοντας στον χρήστη άμεση πρόσβαση στα εργαλεία που χρησιμοποιεί συχνότερα και σύμφωνα με την εργασία που εκτελείται κάθε φορά. Πράκτορες Παρακολούθησης 172 είναι εκείνη η κατηγορία πρακτόρων οι οποίοι παρακολουθούν και καταγράφουν κάθε γεγονός το οποίο λαμβάνει χώρα στο περιβάλλον του Σ.Γ.Π. και στην συνέχεια μέσα από το κατάλληλο κανάλι επικοινωνίας θα μεταβιβάζουν την πληροφορία αυτή στους πράκτορες εκείνους που γνωρίζουν το πώς να εκμεταλλευτούν την πληροφορία αυτή. 171 User Agent Interface 172 Monitoring Agents Σελίδα 84 από 169

85 Κεφάλαιο 4 ο ΕΦΑΡΜΟΓΕΣ ΤΕΧΝΗΤΗΣ ΝΟΗΜΟΣΥΝΗΣ ΣΤΑ ΣΥΣΤΗΜΑΤΑ ΓΕΩΓΡΑΦΙΚΩΝ ΠΛΗΡΟΦΟΡΙΩΝ ΚΑΙ ΤΗΝ ΧΑΡΤΟΓΡΑΦΙΑ Πράκτορες Επιχειρησιακής Επεξεργασίας 173 οι οποίοι βοηθούν τον χρήστη στην εκτέλεση επιχειρησιακών εντολών. Πράκτορες Διεπαφής Προγράμματος Εφαρμογής 174 οι οποίοι παρέχουν την διεπαφή για την συνεργασία με άλλα προγράμματα και την ανάπτυξη εφαρμογών. Επίσης άλλη μια πρόταση προέρχεται από τους Sengupta et. al. για ένα λειτουργικό πλαίσιο το οποίο αφορά σε Κατανεμημένα Συστήματα Υποστήριξης Χωρικών Αποφάσεων 175 στο οποίο το λογισμικό της εξομοίωσης, τα δεδομένα καθώς και το Σ.Γ.Π. βρίσκονται σε απομακρυσμένα συστήματα σε διάφορες τοποθεσίες και όχι σε ένα κεντρικό υπολογιστή. Οι πράκτορες του προτεινόμενου συστήματος κάνοντας χρήση είτε του διαδικτύου είτε ενός τοπικού δικτύου Intranet θα μεταβαίνουν από υπολογιστικό σε υπολογιστικό σύστημα, θα εκτελούν τις απαραίτητες εργασίες και στην συνέχεια θα επιστρέφουν στον υπολογιστή που αρχικά τους φιλοξενούσε με τα απαραίτητα αποτελέσματα. Αποτέλεσμα αυτής της διαδικασίας θα είναι η εκμετάλλευση της ισχύος των διάφορων συστημάτων με τρόπο που θα αυξάνει ουσιαστικά την ταχύτητα λειτουργίας του συνολικού συστήματος. Αυτό το μοντέλο θα επιτρέπει σε χρήστες GIS οι οποίοι δεν έχουν ισχύ στην κατοχή τους να έχουν πρόσβαση σε συστήματα πολύ ισχυρότερα καθώς και σε μεγαλύτερο όγκο δεδομένων μόνο με την χρήση του WWW. 2.5 Αποθήκες Γεωγραφικών Δεδομένων 176 Στόχος μιας αποθηκών γεωδεδομένων είναι να παρέχει άμεση πρόσβαση σε δεδομένα και χωρικά στοιχεία σε υπαλλήλους, συνεργάτες και πελάτες με τρόπο που να τους επιτρέπει να εστιάζουν περισσότερο στην εργασία την οποία έχουν να εκτελέσουν και πολύ λιγότερο στην λήψη, επικύρωση και διαχείριση των χωρικών δεδομένων. 173 Business Process Agents 174 Application Program Interface Agents 175 Distributed Spatial Decision Support Systems 176 Geographic Data Depositories Σελίδα 85 από 169

86 Κεφάλαιο 4 ο ΕΦΑΡΜΟΓΕΣ ΤΕΧΝΗΤΗΣ ΝΟΗΜΟΣΥΝΗΣ ΣΤΑ ΣΥΣΤΗΜΑΤΑ ΓΕΩΓΡΑΦΙΚΩΝ ΠΛΗΡΟΦΟΡΙΩΝ ΚΑΙ ΤΗΝ ΧΑΡΤΟΓΡΑΦΙΑ Η δομή μια αποθήκης χωρικών δεδομένων όταν μάλιστα συνοδεύεται από τα κατάλληλά εργαλεία επιτρέπει τον διαμοιρασμό δεδομένων σε πολλές και διάφορες εφαρμογές και με περισσότερους από έναν τρόπους, επιτρέπει τις τοποθετήσεις δικαιωμάτων πρόσβασης για χρήστες και ομάδες χρηστών, επισημαίνει τις αλλαγές των γεωδεδομένων κατά την πάροδο του χρόνου έχοντας έτσι την δυνατότητα της χρήσης σε χωροχρονικές εφαρμογές και κυρίως επιτρέπει την αναζήτηση σε δεδομένα μέσα από διάφορα εργαλεία ανάλογα με τις ανάγκες αλλά και δυνατότητες του χρήστη. 2.6 Αποθήκες Δεδομένων 177, Εξομοίωση, Χωροχρονικές Εφαρμογές Από τις σημαντικότερες εφαρμογές στις οποίες μπορούν να εντοπιστούν οι πράκτορες είναι αυτές των αποθηκών δεδομένων, της εξομοίωσης όπως άλλωστε αναφέρεται και παραπάνω και φυσικά στην χωροχρονική επεξεργασία η οποία μάλιστα είναι πολύ στενά συνδεδεμένη με την εξομοίωση καθώς η δεύτερη σχετίζεται άμεσα με την εξέλιξη ενός φαινόμενου τόσο στον χώρο όσο και στον χρόνο. Γενικότερα πρέπει να ειπωθεί ότι οι τρεις παραπάνω τεχνολογίες και εφαρμογές είναι άμεσα συνδεδεμένες καθώς οι αποθήκες δεδομένων παρέχουν τα εργαλεία και τις δυνατότητες διαχείρισης και επεξεργασία τεράστιου όγκου δεδομένων τα οποία απαιτούνται από εφαρμογές εξομοίωσης και χωροχρονικής φύσης. Πόσο μάλλον για την περίπτωση χωρικών δεδομένων ή γεωδεδομένων των οποίων η φύση είναι τέτοια ώστε αυτά καταλαμβάνουν και χώρο και απαιτείται ιδιαίτερη ισχύς για την διαχείριση τους Αποθήκες Δεδομένων Οι αποθήκες δεδομένων είναι μια από τις ταχύτατης ανάπτυξης εφαρμογές πελατών / εξυπηρετητών 178 αυτήν τη στιγμή. Είναι μια σχετικά νέα τεχνολογία που υποστηρίζει εφαρμογές όπως τα συστήματα διοικητικών πληροφοριών, συστήματα υποστήριξης αποφάσεων, εξόρυξη δεδομένων και άλλα. 177 Data Warehouses 178 Client / Server Application Σελίδα 86 από 169

87 Κεφάλαιο 4 ο ΕΦΑΡΜΟΓΕΣ ΤΕΧΝΗΤΗΣ ΝΟΗΜΟΣΥΝΗΣ ΣΤΑ ΣΥΣΤΗΜΑΤΑ ΓΕΩΓΡΑΦΙΚΩΝ ΠΛΗΡΟΦΟΡΙΩΝ ΚΑΙ ΤΗΝ ΧΑΡΤΟΓΡΑΦΙΑ Στη δεκαετία του ʹ70 ουσιαστικά όλη η ανάπτυξη επιχειρησιακών συστημάτων γινόταν στους κεντρικούς υπολογιστές της IBM χρησιμοποιώντας εργαλεία όπως η COBOL, η DB2 κ.λπ. Η δεκαετία του ʹ80 φέρνει τις νέες πλατφόρμες όπως AS/400 και VAX/VMS. Στο τέλος της δεκαετίας ʹ80 και την αρχή της δεκαετίας του ʹ90, το UNIX γίνεται μια δημοφιλής πλατφόρμα κεντρικών υπολογιστών με την εισαγωγή της αρχιτεκτονικής πελατών / εξυπηρετητών. Τέλος από την δεκαετία του ʹ90 και μετά εμφανίζονται πλέον τα γραφικά περιβάλλοντα όπως τα Windows, το System 7, το OS / 2 και άλλα. Παρά όλες τις αλλαγές στις πλατφόρμες, τις αρχιτεκτονικές, τα εργαλεία, και τις τεχνολογίες, ένας εντυπωσιακά μεγάλος αριθμός επιχειρηματικών εφαρμογών συνεχίζει να τρέχει στο περιβάλλον κεντρικών υπολογιστών της δεκαετίας του ʹ70. Από μερικές εκτιμήσεις, περισσότερα από 70% των επιχειρησιακών στοιχείων για τις μεγάλες εταιρίες βρίσκονται ακόμα αποθηκευμένα στο περιβάλλον κεντρικών υπολογιστών. Υπάρχουν πολλοί λόγοι για αυτό. Ο σημαντικότερος λόγος είναι ότι κατά τη διάρκεια των ετών, αυτά τα συστήματα έχουν συλλάβει την επιχειρησιακή γνώση και τους λειτουργικούς κανόνες των επιχειρήσεων οι οποίοι λόγω του μεγάλου χρονικού διαστήματος αφομοίωσης είναι σχεδόν αδύνατο να μεταφερθούν σε νέες πλατφόρμες ή εφαρμογές. Αυτά τα συστήματα, συνεχίζουν να είναι η μεγαλύτερη πηγή δεδομένων και πληροφορίας για τα συστήματα ανάλυσης. Τα δεδομένα που αποθηκεύονται σε πλατφόρμες όπως οι DB2, IMS, VSAM, κ.λπ. καταλήγουν σε μεγάλες βιβλιοθήκες ταινιών σε απομακρυσμένα κέντρα και είναι συνήθως πολύ δύσκολο να ανακτηθούν. Εδώ εισέρχεται η τεχνολογία των αποθηκών δεδομένων προσφέροντας λύση στο πρόβλημα της διαχείρισης, ανάκτησης και εκμετάλλευσης μεγάλου όγκου δεδομένων. Μια περίπου δεκαετία πριν, ένα σύνολο σημαντικών νέων εννοιών και εργαλείων εξελίχθηκε σε μια νέα τεχνολογία που κατέστησε δυνατή την επίθεση στο πρόβλημα της πρόσβασης δεδομένων από διαφορετικά επίπεδα μέσα σε μια επιχείρηση με τρόπο ώστε να είναι δυνατό για την επιχείρηση αυτή να επιζήσει και να ευημερήσει σε έναν όλο και περισσότερο ανταγωνιστικό κόσμο. Ο όρος που χρησιμοποιήθηκε για να χαρακτηρίσει αυτήν την νέα τεχνολογία είναι αποθήκευση δεδομένων. Η αποθήκευση στοιχείων έχει αυξηθεί από τις επαναλαμβανόμενες προσπάθειες εκ μέρους των διάφορων ερευνητών να παρέχουν Σελίδα 87 από 169

88 Κεφάλαιο 4 ο ΕΦΑΡΜΟΓΕΣ ΤΕΧΝΗΤΗΣ ΝΟΗΜΟΣΥΝΗΣ ΣΤΑ ΣΥΣΤΗΜΑΤΑ ΓΕΩΓΡΑΦΙΚΩΝ ΠΛΗΡΟΦΟΡΙΩΝ ΚΑΙ ΤΗΝ ΧΑΡΤΟΓΡΑΦΙΑ εύκαμπτα, αποτελεσματικά και αποδοτικά μέσα για την διαχείριση διαχρονικών και μεγάλου όγκου δεδομένα. Μια αποθήκη δεδομένων είναι στην πραγματικότητα μια φυσική θέση για την αποθήκευση του χώρου δεδομένων 179. Ο χώρος δεδομένων είναι η περιοχή όπου αποθηκεύονται τα βασικά στοιχεία που αφορούν στα δεδομένα τα οποία στην συνέχεια θα αναλυθούν για να προκύψει χρήσιμη πληροφορία Αποθήκες Δεδομένων Ένας Ορισμός Ο William Inmon, που έπλασε τον όρο αποθήκη δεδομένων το 1990, την καθόρισε ως εξής: Μια συλλογή δεδομένων η οποία είναι προσανατολισμένη, ενσωματωμένη, ανεπηρέαστη και χρονικά μεταβλητή ως προς ένα θέμα για την στήριξη αποφάσεων διοικητικής φύσεως. Προσανατολισμένη: Υπάρχει μια μετατόπιση από τα προσανατολισμένα στις εφαρμογές δεδομένα προς τα δεδομένα υποστήριξης αποφάσεων. Εάν σχεδιαστεί σωστά το σύστημα τότε τα δεδομένα υποστήριξης αποφάσεων παρέχουν μια σταθερή εικόνα των επιχειρησιακών διαδικασιών, ανεξάρτητη πλέον από τα κλασσικά συστήματα αποθήκευσης και διαχείρισης δεδομένων. Με άλλα λόγια, συλλαμβάνει τη βασική φύση του επιχειρησιακού περιβάλλοντος. Ενσωματωμένη: Η βάση δεδομένων κανονικοποιεί τα δεδομένα εφαρμογής από τα διαφορετικά συστήματα τα οποία χρησιμοποιούν διαφορετική κωδικοποίηση, μονάδες μέτρησης, κλπ. με αποτέλεσμα να αποβάλλει ασυνέπειες στα δεδομένα οι οποίες μπορεί να προέρχονται από την διαφορετική φύση και τρόπο αποθήκευσης αυτών καθώς και από την διαφορετική επεξεργασία. 179 Data Space Σελίδα 88 από 169

89 Κεφάλαιο 4 ο ΕΦΑΡΜΟΓΕΣ ΤΕΧΝΗΤΗΣ ΝΟΗΜΟΣΥΝΗΣ ΣΤΑ ΣΥΣΤΗΜΑΤΑ ΓΕΩΓΡΑΦΙΚΩΝ ΠΛΗΡΟΦΟΡΙΩΝ ΚΑΙ ΤΗΝ ΧΑΡΤΟΓΡΑΦΙΑ Ανεπηρέαστη: Τα νέα δεδομένα τα οποία αποθηκεύονται στην βάση δεδομένων, επισυνάπτονται σε αυτή και δεν αντικαθιστούν παλαιότερα ακόμα και αν πρόκειται για ενημερώσεις αυτών. Η βάση δεδομένων απορροφά συνεχώς τα νέα στοιχεία, ενσωματώνοντας τα στα προηγούμενα στοιχεία. Χρονικά Μεταβλητή: Τα δεδομένα ενημέρωσης φέρουν και μια χρονική διάσταση. Κάθε στοιχείο συνδέεται με μια συγκεκριμένη χρονική στιγμή, και τα σημεία στοιχείων μπορούν να συγκριθούν κατά μήκος ενός χρονικού άξονα σε αντίθεση με τα λειτουργικά στοιχεία τα οποία ισχύουν μόνο τη στιγμή της πρόσβασης συλλαμβάνοντας τη συγκεκριμένη χρονική στιγμή και όχι την διάρκεια των δεδομένων Εξομοίωση Προσομοίωση Μια προσομοίωση υπολογιστών είναι μια προσπάθεια να μοντελοποιηθεί μια πραγματική ή υποθετική κατάσταση, σε έναν υπολογιστή, έτσι ώστε μπορεί να μελετηθεί ο τρόπος με τον οποίο το σύστημα λειτουργεί. Αλλάζοντας διάφορες μεταβλητές του συστήματος είναι δυνατό να γίνουν προβλέψεις για την συμπεριφορά αυτού σε διάφορες καταστάσεις. Η προσομοίωση έχει γίνει χρήσιμο εργαλείο στην μοντελοποίηση πολλών φυσικών συστημάτων όσων αφορά στις επιστήμες της φυσικής, της χημείας, της βιολογίας, στα ανθρώπινα συστήματα, στις κοινωνικό οικονομικές επιστήμες καθώς και στην εφαρμοσμένη μηχανική με σκοπό την επίγνωση της λειτουργίας αυτών των συστημάτων. Τα τελευταία χρόνια και ιδιαίτερα με την ανάπτυξη των πρακτόρων, η εξομοίωση έχει ενταχθεί δυναμικά και στον χώρο των Συστημάτων Γεωγραφικών Πληροφοριών. Παραδοσιακά, η μοντελοποίηση των συστημάτων γινόταν μέσω ενός μαθηματικού προτύπου, το οποίο χρησιμοποιούταν με αναλυτικό τρόπο σε μια προσπάθεια εντοπισμού Σελίδα 89 από 169

90 Κεφάλαιο 4 ο ΕΦΑΡΜΟΓΕΣ ΤΕΧΝΗΤΗΣ ΝΟΗΜΟΣΥΝΗΣ ΣΤΑ ΣΥΣΤΗΜΑΤΑ ΓΕΩΓΡΑΦΙΚΩΝ ΠΛΗΡΟΦΟΡΙΩΝ ΚΑΙ ΤΗΝ ΧΑΡΤΟΓΡΑΦΙΑ καταστάσεων και λύσεων, επιτρέποντας την πρόβλεψη της συμπεριφοράς του συστήματος μέσα από ένα σύνολο παραμέτρων, μεταβλητών και αρχικών όρων. Η προσομοίωση υπολογιστών χρησιμοποιείται συχνά ως προσθήκη, ή αντικατάσταση της μοντελοποίησης συστημάτων για τα οποία οι απλές κλειστές αναλυτικές μορφές δεν είναι δυνατό να εφαρμοστούν. Υπάρχουν πολλοί διαφορετικοί τύποι προσομοιώσεων με κοινό χαρακτηριστικό γνώρισμα την προσπάθεια να παραχθεί ένα δείγμα αντιπροσωπευτικών σεναρίων για ένα πρότυπο στο οποίο μια πλήρης απαρίθμηση όλων των πιθανών καταστάσεων στις οποίες θα μπορούσε να βρεθεί το σύστημα θα ήταν απαγορευτική ή αδύνατη. Στο εμπόριο αλλά και στον επιστημονικό χώρο υπάρχουν διάφορα πακέτα λογισμικού για χρήση σε εφαρμογές προσομοίωσης, όπως για παράδειγμα η προσομοίωση Μόντε Κάρλο και η στοχαστική μοντελοποίηση, που καθιστούν τη μοντελοποίηση μια διαδικασία σχεδόν αβίαστη. Η σύγχρονη χρήση του όρου προσομοίωση μπορεί να καλύψει ουσιαστικά οποιαδήποτε διαδικασία μοντελοποίησης βασισμένη σε υπολογιστή Χωροχρονικές Εφαρμογές Πολλές φορές είναι απαραίτητο να ενημερωθούν χωρικά δεδομένα όπως για παράδειγμα, νέο όνομα οδών, νέο κτήριο, ο ιδιοκτήτης ενός γεωτεμαχίου, υποδιαίρεση γεωτεμαχίων και ούτω καθεξής. Σε πολλές περιπτώσεις είναι πολύ χρήσιμο να αποθηκευτεί η αρχική τιμή της ιδιότητας όπως αυτή ήταν πριν την διαδικασία της ενημέρωσης του πίνακα της βάσης δεδομένων. Μάλιστα είναι σημαντικό όχι μόνο να διατηρείται κάπου αυτή η αρχική τιμή αλλά ταυτόχρονα να συνοδεύεται από την χρονική στιγμή κατά την οποία έγινε η ενημέρωση καθώς και ποια είναι τα στοιχεία τα οποία ενημερώθηκαν. Προφανώς δεν είναι καλή ιδέα η διατήρηση όλων των στοιχείων που αφορούν στην εγγραφή. Διατηρείται λοιπόν μόνο το μέρος εκείνο στο οποίο υφίσταται η ενημέρωση. Για αυτόν το λόγο προτείνεται μια Σελίδα 90 από 169

91 Κεφάλαιο 4 ο ΕΦΑΡΜΟΓΕΣ ΤΕΧΝΗΤΗΣ ΝΟΗΜΟΣΥΝΗΣ ΣΤΑ ΣΥΣΤΗΜΑΤΑ ΓΕΩΓΡΑΦΙΚΩΝ ΠΛΗΡΟΦΟΡΙΩΝ ΚΑΙ ΤΗΝ ΧΑΡΤΟΓΡΑΦΙΑ αρχιτεκτονική βάσεων δεδομένων που να επιτρέπει την παρατήρηση των αλλαγών και την αποθήκευση και διαχείριση αυτών με την χρήση χρονόσημων 180 [16]. 2.7 Κατανεμημένα Σ.Γ.Π. βασισμένα σε Κινητούς Πράκτορες 181 Οι ευκίνητοι πράκτορες είναι προγράμματα τα οποία μπορούν να λειτουργήσουν αυτόνομα και να μεταναστεύσουν από υπολογιστή σε υπολογιστή μέσα σε ένα δίκτυο και πάντα σύμφωνα με τις ανάγκες αυτών και των χρηστών τους. Χαρακτηριστικό αυτού του τύπου πράκτορα είναι ότι αφήνει τον υπολογιστή στον οποίο αρχικά ανήκει και εγκαθίσταται στον υπολογιστή εκείνο ο οποίος προσφέρει μια συγκεκριμένη υπηρεσία η οποία ζητείται από τον χρήστη του πράκτορα. Άλλο ένα χαρακτηριστικό το οποίο είναι συνέπεια του προηγούμενου είναι ότι όλες οι λειτουργίες και οι διαδικασίες επεξεργασίας θα εκτελεστούν τοπικά στον υπολογιστή όπου βρίσκεται εγκατεστημένος, την δεδομένη στιγμή, ο πράκτορας, με αποτέλεσμα να αποφεύγεται οποιοδήποτε πρόβλημα μπορεί να προκληθεί από μια κατάσταση συμφόρησης στο δίκτυο. Έτσι ο αρχικός υπολογιστής είναι αποδεσμευμένος από σημαντικό βάρος επεξεργασίας. Όταν ο πράκτορας ολοκληρώσει την εργασία του, απεγκαθιστά τον εαυτό του, συγκεντρώνει τα επεξεργασμένα δεδομένα τα οποία είναι απαραίτητα στον χρήστη και τελικά επιστρέφει στον υπολογιστή από όπου προήλθε. Η ευκολία αυτή των ευκίνητων πρακτόρων είναι που τους καθιστά σημαντικό εργαλείο και σε εφαρμογές Κατανεμημένων Συστημάτων Γεωγραφικών Πληροφοριών. Η χρήση του διαδικτύου προκάλεσε την διακίνηση τεράστιου όγκου γεωγραφικών πληροφοριών και έτσι απαιτείται ένας τρόπος γρήγορης επεξεργασίας και μετάδοσης αυτών GeoAgents Μια από τις πρώτες εφαρμογές στον συγκεκριμένο τομέα προέρχεται από τους Luo Yingwei, Wang Xiaolin και Xu Zhuoqun [17]. Η εφαρμογή αυτή καλείται GeoAgents και είναι 180 Timestamps 181 Mobile Agent Based Distributed Geographic Information Systems Σελίδα 91 από 169

92 Κεφάλαιο 4 ο ΕΦΑΡΜΟΓΕΣ ΤΕΧΝΗΤΗΣ ΝΟΗΜΟΣΥΝΗΣ ΣΤΑ ΣΥΣΤΗΜΑΤΑ ΓΕΩΓΡΑΦΙΚΩΝ ΠΛΗΡΟΦΟΡΙΩΝ ΚΑΙ ΤΗΝ ΧΑΡΤΟΓΡΑΦΙΑ ένα σύνολο από ευκίνητους πράκτορες που παρουσιάστηκαν στον χώρο των Συστημάτων Γεωγραφικών Πληροφοριών. Οι πράκτορες του συστήματος κατοικούν στα διάφορα συστήματα που προσφέρουν υπηρεσίες γεωγραφικού ενδιαφέροντος και χρησιμοποιούνται για την ανάλυση, επεξεργασία, μετάδοση, προβολή και αναζήτηση χωρικών δεδομένων. Επίσης χρησιμοποιούνται σε συνδυασμό με Κατανεμημένα Συστήματα Γεωγραφικών Πληροφοριών για να παρέχουν ταχύτατη απάντηση σε ερωτήματα, επίλυση προβλημάτων, υποστήριξη λήψης αποφάσεων και άλλα. Η εφαρμογή GeoAgents είναι ένα κατανεμημένο Σύστημα Γεωγραφικών Πληροφοριών βασισμένο σε πράκτορες λογισμικού. Αποτελείται από τέσσερις (4) πράκτορες οι οποίοι είναι οι παρακάτω: Facilitator Βοηθός Interface Agent Πράκτορας Διεπαφής GIS Function Agent Πράκτορας Λειτουργιών Σ.Γ.Π. GuServer Παρακάτω γίνεται μια επεξήγηση της λειτουργίας και χρησιμότητας του κάθε πράκτορα στο παρόν σύστημα: Facilitator Ο πράκτορας αυτός διαχειρίζεται ουσιαστικά όλη την εφαρμογή GeoAgents. Οι λειτουργίες του συγκεκριμένου πράκτορα περιλαμβάνουν την καταγραφή και επικύρωση των διαθέσιμων πρακτόρων Σ.Γ.Π., την διαχείριση όλων των ενεργών πρακτόρων 182 και τον συντονισμό των επικοινωνιών των πρακτόρων καθώς και των διάφορων εργασιών αυτών. 182 Active Agents Σελίδα 92 από 169

93 Κεφάλαιο 4 ο ΕΦΑΡΜΟΓΕΣ ΤΕΧΝΗΤΗΣ ΝΟΗΜΟΣΥΝΗΣ ΣΤΑ ΣΥΣΤΗΜΑΤΑ ΓΕΩΓΡΑΦΙΚΩΝ ΠΛΗΡΟΦΟΡΙΩΝ ΚΑΙ ΤΗΝ ΧΑΡΤΟΓΡΑΦΙΑ Interface Agent Σκοπός του πράκτορα αυτού είναι η παροχή των κατάλληλων διεπαφών τόσο για τους χρήστες του συστήματος όσο και για τις διάφορες εφαρμογές που επικοινωνούν με το σύστημα και τους πράκτορες αυτού. Το GeoAgents παρέχει μια γλώσσα η οποία καλείται GeoScript και παρέχει την δυνατότητα περιγραφής εργασιών και διαδικασιών GIS. Κατά την διαδικασία της επίλυσης ενός πρακτικού προβλήματος τόσο οι χρήστες όσο και οι εφαρμογές είναι δυνατό να χρησιμοποιήσουν τη γλώσσα αυτή για να περιγράψουν το πρόβλημα. Στην συνέχεια η προτάσεις, όπως συντάσσονται με την χρήση της GeoScript παραδίδονται στον Interface Agent ο οποίος με τη σειρά του χρησιμοποιεί έναν διερμηνέα 183, διασπά τις προτάσεις σε υπό προτάσεις τις οποίες στην συνέχεια μεταβιβάζει στον GIS Function Agent για την ολοκλήρωση της εργασίας. GIS Function Agent Ο πράκτορας αυτός είναι υπεύθυνος για την χωρική ανάλυση, τα χωρικά ερωτήματα και την επεξεργασία των χωρικών δεδομένων. Οι υπηρεσίες που παρέχονται από τον πράκτορα μπορεί να προέρχονται από διάφορες πλατφόρμες GIS και όχι από μια συγκεκριμένη πλατφόρμα του πράκτορα. Αυτό δίνει την δυνατότητα στον πράκτορα να είναι ευκίνητος καθώς μπορεί άμεσα να συνεργαστεί με πολλές και διάφορες μηχανές GIS όπως αυτές είναι διαθέσιμες στο εμπόριο. GuServer Ο πράκτορας αυτός λειτουργεί ως εξυπηρετητής αναλαμβάνοντας την διαχείριση όλων των υπηρεσιών πρόσβασης σε χωρικές πληροφορίες καθώς και τα μεταδεδομένα 184 που αφορούν στην χωρική βάση δεδομένων του συστήματος. 183 Interpreter 184 Metadata Σελίδα 93 από 169

94 Κεφάλαιο 4 ο ΕΦΑΡΜΟΓΕΣ ΤΕΧΝΗΤΗΣ ΝΟΗΜΟΣΥΝΗΣ ΣΤΑ ΣΥΣΤΗΜΑΤΑ ΓΕΩΓΡΑΦΙΚΩΝ ΠΛΗΡΟΦΟΡΙΩΝ ΚΑΙ ΤΗΝ ΧΑΡΤΟΓΡΑΦΙΑ Στην εφαρμογή GeoAgents ο πράκτορας Σ.Γ.Π. είναι πράκτορας ο οποίος αντιδρά απλά στα ερεθίσματα τα οποία δέχεται. Κάθε ένας από αυτούς αποτελείται από πέντε (5) τμήματα τα οποία είναι τα εξής: Υποσύστημα Ελέγχου Διεπαφή Ανθρώπου Υπολογιστή Υποσύστημα Επικοινωνίας Υποσύστημα Συναρτήσεων και Πηγές Δεδομένων Χαρακτηριστικό των πρακτόρων είναι όχι μόνο ότι μπορούν να ολοκληρώσουν μια διαδικασία ανεξάρτητα από τους υπόλοιπους αλλά και το ότι μπορούν να επικοινωνήσουν μεταξύ τους για την επίλυση ενός προβλήματος από κοινού. Άρα αναφερόμαστε σε ένα περιβάλλον πολλών πρακτόρων το οποίο μάλιστα χαρακτηρίζεται και ως συνεργατικό και όχι ανταγωνιστικό. Τα δύο αυτά χαρακτηριστικά αυξάνουν την απόδοση του συστήματος καθώς η συνεργατική λειτουργία αυξάνει την ταχύτητα επεξεργασίας και κατά συνέπεια την ταχύτητα εύρεσης λύσης και αποτελέσματος το οποίο πάντα είναι προς όφελος του τελικού χρήστη και παράλληλα προς όφελος του ίδιου του συστήματος αφού δεν καταναλώνει τους πόρους του άσκοπα. Σκοπός της εφαρμογής GeoAgents είναι η κατασκευή ενός συστήματος πολλών πρακτόρων υπό μορφή ανθρώπινης κοινωνίας. Κατά συνέπεια ένας μηχανισμός συνεργασίας είναι απαραίτητος για την ύπαρξη και συντήρηση ενός τέτοιου συστήματος. Για τον λόγο αυτό η εφαρμογή φέρει δύο μηχανισμούς επικοινωνίας μεταξύ των πρακτόρων καλύπτοντας την ανάγκη της συνεργασίας στο μέγιστο. Σελίδα 94 από 169

95 Κεφάλαιο 4 ο ΕΦΑΡΜΟΓΕΣ ΤΕΧΝΗΤΗΣ ΝΟΗΜΟΣΥΝΗΣ ΣΤΑ ΣΥΣΤΗΜΑΤΑ ΓΕΩΓΡΑΦΙΚΩΝ ΠΛΗΡΟΦΟΡΙΩΝ ΚΑΙ ΤΗΝ ΧΑΡΤΟΓΡΑΦΙΑ MADGIS Το πεδίο των ευκίνητων πρακτόρων είναι ένα σχετικά νέο πεδίο στον χώρο των πρακτόρων και των κατανεμημένων συστημάτων. Χαρακτηριστικό του είναι ότι μπορεί σαν τεχνολογία να προσαρμοστεί πολύ εύκολα σε δυναμικά και ευμετάβλητα περιβάλλοντα. Μια πρόταση η οποία αφορά στα Κατανεμημένα Συστήματα Γεωγραφικών Πληροφοριών είναι αυτή των Jihong Guan, Shuigeng Zhou, Fuling Bian και Aoying Zhou[18], και καλείται MADGIS Mobile Agent based Distributed Geographic Information System. Στο συγκεκριμένο παράδειγμα το περιβάλλον του MADGIS αποτελείται από τους MADGIS Servers, τις αποβάθρες πρακτόρων, τους χρήστες ή τους πράκτορες χρηστών και το δίκτυο π.χ. το Internet. Οι χρήστες αποκτούν πρόσβαση μέσω του δικτύου στους εξυπηρετητές του MADGIS και από εκεί εξυπηρετούνται από πράκτορες οι οποίοι είναι αποθηκευμένοι στους συγκεκριμένους εξυπηρετητές. Οι αποβάθρες πρακτόρων είναι υπολογιστές σταθερά συνδεδεμένοι στο δίκτυο στους οποίους είναι δυνατό για χρονικό διάστημα να φιλοξενηθούν οι πράκτορες μέχρι να επιστρέψουν στο σύστημα που τους δημιούργησε. Οι εξυπηρετητές του συστήματος είναι βασικό στοιχείο του περιβάλλοντος του MADGIS. Γενικότερα το περιβάλλον αυτό αποτελείται από την Γραφική Διεπαφή Χρήστη, τον Διαχειριστή Ερωτημάτων 185, τον Διαχειριστή Αντικειμένων 186 και τον Διαχειριστή Υπηρεσιών 187. Τα ερωτήματα 188 του χρήστη εισάγονται στον εξυπηρετητή μέσω της γραφικής διεπαφής το οποίο μάλιστα αλληλεπιδρά άμεσα με τον Διαχειριστή Ερωτημάτων. Ο Διαχειριστής Ερωτημάτων αποτελείται από μια γεννήτρια κώδικα 189 και έναν βελτιστοποιητή 190. Ο Διαχειριστής Ερωτημάτων διακινεί τα ερωτήματα μεταξύ των Διαχειριστή Αντικειμένων και Διαχειριστή Υπηρεσιών. Ο Διαχειριστή Αντικειμένων φέρνει στο προσκήνιο τα σχετιζόμενα με το ερώτημα αντικείμενα από τις διάφορες αποθήκες δεδομένων και τα αποθηκεύει τοπικά εκεί όπου 185 Query Manager 186 Object Manager 187 Service Manager 188 Queries 189 Code Generator 190 Optimizer Σελίδα 95 από 169

96 Κεφάλαιο 4 ο ΕΦΑΡΜΟΓΕΣ ΤΕΧΝΗΤΗΣ ΝΟΗΜΟΣΥΝΗΣ ΣΤΑ ΣΥΣΤΗΜΑΤΑ ΓΕΩΓΡΑΦΙΚΩΝ ΠΛΗΡΟΦΟΡΙΩΝ ΚΑΙ ΤΗΝ ΧΑΡΤΟΓΡΑΦΙΑ εκτελείται το ερώτημα. Η διαδικασία επιτυγχάνεται με την χρήση μιας εικονικής βάσης δεδομένων η οποία έχει μια ενσωματωμένη άποψη για την κατάσταση και τα δεδομένα σε διάφορες ενεργές και συνδεδεμένες αποθήκες. Τέλος ο Διαχειριστής Υπηρεσιών είναι υπεύθυνος για όλες τις επικοινωνίες του συστήματος με την χρήση ενός καταλόγους υπηρεσιών και ενός λεξιλογίου πηγών Τεχνητή Νοημοσύνη και Χαρτογραφία Η χαρτογραφική γενίκευση είναι μια επίπονη διαδικασία τόσο για τον χαρτογράφο όσο και για το σύστημα το οποίο χρησιμοποιείται καθώς απαιτείται υψηλός βαθμός αλληλεπίδρασης μεταξύ του συστήματος και του χαρτογράφου. Η απαίτηση αυτή προκύπτει από τον μεγάλο αριθμό προβλέψιμων παραμέτρων που αφορούν στον αρχικό χάρτη και τα χαρακτηριστικά του και στο τελικό αποτέλεσμα και σε έναν εξίσου μεγάλο αριθμό απρόβλεπτων παραμέτρων οι οποίες πρέπει να αντιμετωπιστούν ad hoc κατά την διαδικασία της γενίκευσης. Αυτός είναι και ο βασικότερος λόγος για τον οποίο η αυτοματοποιημένη χαρτογραφική γενίκευση αντιμετωπίζει συνεχώς προβλήματα. Για την ολοκλήρωση της γενίκευσης και την παραγωγή ενός χαρτογραφικά αποδεκτού τελικού αποτελέσματος με αυτοματοποιημένες μεθόδους απαιτούνται μέθοδοι ικανές για αυτή την απόδοση. Μέθοδοι με την χρήση των οποίων θα γίνεται ανάλυση του περιεχομένου του χάρτη και θα αναγνωρίζονται αντικείμενα Μέθοδοι γενίκευσης οι οποίες θα επιτρέπουν την μεταχείριση των χαρτογραφικών αντικειμένων κατά τέτοιο τρόπο ώστε να δημιουργούνται υποψήφιες λύσεις και 191 Resources Dictionary Σελίδα 96 από 169

97 Κεφάλαιο 4 ο ΕΦΑΡΜΟΓΕΣ ΤΕΧΝΗΤΗΣ ΝΟΗΜΟΣΥΝΗΣ ΣΤΑ ΣΥΣΤΗΜΑΤΑ ΓΕΩΓΡΑΦΙΚΩΝ ΠΛΗΡΟΦΟΡΙΩΝ ΚΑΙ ΤΗΝ ΧΑΡΤΟΓΡΑΦΙΑ Μέθοδοι αξιολόγησης των υποψήφιων λύσεων έτσι ώστε να γίνεται ένα ραφινάρισμα του παράγωγου υλικού και μέτρησης της επιτυχίας του αποτελέσματος. Ο άνθρωπος επιτυγχάνει το τελικό αποτέλεσμα του γενικευμένου χάρτη μέσα από μια διαδικασία η οποία έχει αναδραστικό χαρακτήρα. Η εργασία γίνεται σε πολλές κλίμακες με εφαρμογή πολλών μεθόδων ανάλογα με το κάθε αντικείμενο του χάρτη, αντικείμενα των οποίων τα χαρακτηριστικά εξαρτώνται από την κλίμακα προβολής και άλλα. Αυτή η διαδικασία γίνεται με την χρήση εξειδικευμένων εφαρμογών οι οποίες χρειάζονται συνεχή καθοδήγηση από τον χειριστή τους. Σύμφωνα με την εργασία των Sylvie Lamy, Anne Ruas, Yves Demazeu, Mike Jackson, William Mackaness και Robert Weibel[19] αυτό το οποίο λείπει είναι ένα πλαίσιο λειτουργίας το οποίο να επιτρέπει την μοντελοποίηση των αντικειμένων σε διαφορετικά επίπεδα λεπτομέρειας έτσι ώστε να διευκολυνθεί αρχικά η διαδικασία και στην συνέχεια να είναι δυνατή και η εφαρμογή περισσότερο αυτοματοποιημένων και λιγότερο εξαρτώμενων εφαρμογών. 3.1 Χαρτογραφική Γενίκευση με την χρήση Πρακτόρων Η γενίκευση στην επιστημολογική της έννοια, είναι μια διαδικασία με την οποία γίνεται προσπάθεια προσέγγισης ενός αντικειμένου ή μιας έννοιας σε μια ευρύτερη κλίμακα. Σκοπός της είναι δηλαδή η απόδοση της σφαιρικής άποψης, της γενικευμένης εικόνας, του γενικού πλάνου. Με άλλα λόγια είναι μια προσπάθεια αφαίρεσης λεπτομέρειας η οποία δεν εξυπηρετεί σε κανέναν σκοπό. Τα προβλήματα τα οποία αναφέρθηκαν παραπάνω οδηγούν προς την αναζήτηση λύσεων σε νέα μονοπάτια όπως αυτά της τεχνητής νοημοσύνης. Το ερώτημα το οποίο τίθεται είναι αυτό της αντικατάστασης της ανθρώπινης επέμβασης στην διαδικασία της γενίκευσης από μια τεχνητή νοημοσύνη ή τουλάχιστον την μείωση της ανθρώπινης παρέμβασης σε μεγάλο βαθμό και την αλλαγή του ρόλου του χειριστή σε σύμβουλο. Σελίδα 97 από 169

98 Κεφάλαιο 4 ο ΕΦΑΡΜΟΓΕΣ ΤΕΧΝΗΤΗΣ ΝΟΗΜΟΣΥΝΗΣ ΣΤΑ ΣΥΣΤΗΜΑΤΑ ΓΕΩΓΡΑΦΙΚΩΝ ΠΛΗΡΟΦΟΡΙΩΝ ΚΑΙ ΤΗΝ ΧΑΡΤΟΓΡΑΦΙΑ Κατά την εφαρμογή της χαρτογραφικής γενίκευσης πρέπει να επιτυγχάνονται ορισμένοι στόχοι: Να διατηρείται η σαφήνεια και η αναγνωσιμότητα του χάρτη Να διατηρείται η ποιότητα των χαρτογραφικών αντικειμένων όπως και χαρακτηριστικά τους όπως η θέση, το σχήμα, η διανομή, η τοπολογία, η ορθογωνικότητα τους και άλλα Να διατηρείται εκείνο το επίπεδο πληροφορίας το οποίο είναι σχετικό με την επιλεγμένη κλίμακα προβολής του χάρτη. Στις εφαρμογές πρακτόρων οι στόχοι επιτυγχάνονται με την χρήση προτάσεων που στοιχειοθετούν περιορισμούς ή συνθήκες οι οποίες πρέπει να ικανοποιηθούν έτσι ώστε το αποτέλεσμα να είναι ορθό σύμφωνα με τους κανόνες της χαρτογραφικής γενίκευσης. Τα αντικείμενα του χάρτη διαχωρίζονται βάσει μιας ιεραρχίας. Κάθε αντικείμενο είναι ένας πράκτορας. Η ιεραρχία η οποία ακολουθείται στηρίζεται κυρίως στην λογική και κρίση του χειριστή. Το αποτέλεσμα είναι τρία είδη πρακτόρων τα οποία καλούνται Macro, Meso και Micro Agents και αυτή είναι και η ιεραρχία τους. Αν ληφθεί ως παράδειγμα μια πόλη τότε Macro Agent θεωρείται η ίδια η πόλη, Meso Agent θεωρούνται οι γειτονιές της πόλης και Micro Agent θεωρούνται τα κτίρια. Το βιβλιογραφικό παράδειγμα αναφέρεται στην γενίκευση των κτιρίων που εμφανίζονται στον χάρτη με βάση συγκεκριμένα κριτήρια τα οποία πρέπει να τηρήσει ο κάθε πράκτορας. Η μεθοδολογία στηρίζεται στην χρήση της μεθόδου γενίκευσης που προτείνεται από τους Weibel και Harrie. Οι περιορισμοί της γενίκευσης τίθενται σε έναν Micro Agent ο οποίος αντιπροσωπεύει ένα κτίριο το οποίο θα γενικευθεί. Ορισμένα από τα χαρακτηριστικά του κτιρίου θα πρέπει να διατηρηθούν ενώ κάποια άλλα θα πρέπει να αλλοιωθούν έτσι ώστε η γενίκευση να είναι επιτυχημένη. Σελίδα 98 από 169

99 Κεφάλαιο 4 ο ΕΦΑΡΜΟΓΕΣ ΤΕΧΝΗΤΗΣ ΝΟΗΜΟΣΥΝΗΣ ΣΤΑ ΣΥΣΤΗΜΑΤΑ ΓΕΩΓΡΑΦΙΚΩΝ ΠΛΗΡΟΦΟΡΙΩΝ ΚΑΙ ΤΗΝ ΧΑΡΤΟΓΡΑΦΙΑ Ανάλογα με τους στόχους που τίθενται, ο πράκτορας επιλέγει την δράση του και έτσι καταλήγει σε κάποιο αποτέλεσμα. Το αποτέλεσμα δεν είναι πάντα επιθυμητό οπότε η διαδικασία επαναλαμβάνεται μέχρι την επίτευξη του ορθού. Όταν κάποιος από τους στόχους δεν επιτυγχάνεται τότε ελέγχονται οι παράμετροι και επιλέγονται νέες τιμές οι οποίες να είναι αντιπροσωπευτικές του επιθυμητού αποτελέσματος. Με βάση τις νέες παραμέτρους οι πράκτορες οι οποίοι δεν έχουν επιτύχει τον στόχο τους αναθεωρούν τις αποφάσεις και τις πράξεις τους και επαναλαμβάνουν την διαδικασία της γενίκευσης επιτυγχάνοντας τελικά το αποτέλεσμα που είναι το σωστό. 3.2 Έλεγχος Ποιότητας Χάρτη με μεθόδους Τεχνητής Νοημοσύνης Ο Frank χρησιμοποίησε ένα σύστημα πολλών πρακτόρων για να παράγει ένα πρότυπο παραγωγής χαρτών, επικοινωνίας χαρτών και χρήσης. Το πρότυπο το οποίο κατασκευάστηκε προσομοιώνει τα παρακάτω: Το περιβάλλον το οποίο είναι ένα μικρό τμήμα μιας πόλης Έναν κατασκευαστή χαρτών ο οποίος μελετά το περιβάλλον, συλλέγει τα απαραίτητα στοιχεία τα οποία χρησιμοποιεί στην συνέχεια για να κατασκευάσει τον χάρτη και Έναν χρήστη χάρτη ο οποίος παίρνει τον χάρτη και τον χρησιμοποιεί για να κινηθεί στην περιοχή. Τόσο ο κατασκευαστής όσο και ο χρήστης είναι πράκτορες οι οποίοι χρησιμοποιούνται στην διαδικασία ελέγχου της ποιότητας του χάρτη όπως αυτή περιγράφεται παρακάτω: Το περιβάλλον αντιπροσωπεύει τον κόσμο ο οποίος κατοικείται και οι πράκτορες αντιπροσωπεύουν άτομα τα οποία κατασκευάζουν και χρησιμοποιούν τους χάρτες για το Σελίδα 99 από 169

100 Κεφάλαιο 4 ο ΕΦΑΡΜΟΓΕΣ ΤΕΧΝΗΤΗΣ ΝΟΗΜΟΣΥΝΗΣ ΣΤΑ ΣΥΣΤΗΜΑΤΑ ΓΕΩΓΡΑΦΙΚΩΝ ΠΛΗΡΟΦΟΡΙΩΝ ΚΑΙ ΤΗΝ ΧΑΡΤΟΓΡΑΦΙΑ περιβάλλον αυτό. Η εξομοίωση χρησιμοποιεί ένα περιβάλλον πολλών πρακτόρων το οποίο περιλαμβάνει τουλάχιστον έναν πράκτορα ο οποίος κατασκευάζει χάρτες και έναν οι περισσότερους πράκτορες που τους χρησιμοποιούν. Πράκτορας Κατασκευαστής Χαρτών Ο πράκτορας αυτός συλλέγει στοιχεία από το περιβάλλον, τα επεξεργάζεται, τα συνθέτει και κατασκευάζει τον χάρτη τον οποίο στην συνέχεια λαμβάνει ο πράκτορας χρήστης του χάρτη ο οποίος θα τον χρησιμοποιήσει για να πλοηγηθεί στο άγνωστο σε αυτόν περιβάλλον. Πράκτορας Χρήστης Χαρτών Ο πράκτορας χρήστης αφού λάβει τον χάρτη, τον διαβάζει και προσθέτει την γνώση του χάρτη στην δική του γνώση. Από την στιγμή αυτή και μετά θα πρέπει να πλοηγηθεί από την θέση στην οποία βρίσκεται, σε μια άλλη θέση στην οποία θα πρέπει να φτάσει κάνοντας χρήση της συντομότερης διαδρομής. Χάρτες Ο χάρτης παράγεται από τον κατασκευαστή χαρτών εφόσον αυτός έχει συλλέξει όλα τα απαραίτητα στοιχεία για το περιβάλλον. Η μορφή του χάρτη είναι τέτοια ώστε να μπορεί να την αντιληφθεί ο χρήστης αυτού. Ουσιαστικά πρόκειται για ένα σύνολο γραμμών με συντεταγμένες αρχής και τέλους και σήμανση στις διασταυρώσεις. Το σύνολο των δεδομένων αυτών τα αφομοιώνει στην δική του γνώση ο χρήστης για να μπορέσει να εκμεταλλευτεί τον χάρτη όπως προαναφέρεται. Αποτίμηση Ποιότητας του Χάρτη Ένας χάρτης θεωρείται και είναι σωστός αν το αποτέλεσμα μιας διαδικασίας βασισμένη στην πληροφορία που προέρχεται από τον χάρτη είναι το ίδιο με το αποτέλεσμα το Σελίδα 100 από 169

101 Κεφάλαιο 4 ο ΕΦΑΡΜΟΓΕΣ ΤΕΧΝΗΤΗΣ ΝΟΗΜΟΣΥΝΗΣ ΣΤΑ ΣΥΣΤΗΜΑΤΑ ΓΕΩΓΡΑΦΙΚΩΝ ΠΛΗΡΟΦΟΡΙΩΝ ΚΑΙ ΤΗΝ ΧΑΡΤΟΓΡΑΦΙΑ οποίο προκύπτει αν ο ίδιος ο πράκτορας εξερευνούσε το περιβάλλον και εκτελούσε την επιθυμητή διαδικασία. Σελίδα 101 από 169

102 Κεφάλαιο 5 ο Repast Simphony, Agent Line Generalization Κεφάλαιο 5 5 Σε αυτό το κεφάλαιο: Εισαγωγή Repast Simphony Γενίκευση Γραμμών με χρήση Πρακτόρων Σελίδα 102 από 169

103 Κεφάλαιο 5 ο Repast Simphony, Agent Line Generalization 1. Εισαγωγή Η παρούσα μεταπτυχιακή διατριβή έχει ως τελικό σκοπό την παρουσίαση του τρόπου με τον οποίο λειτουργούν οι πράκτορες λογισμικού μέσα σε ένα περιβάλλον Συστήματος Γεωγραφικών Πληροφοριών. Για τον λόγο αυτό δημιουργήθηκαν δύο εφαρμογές οι οποίες μπορούν να δείξουν ένα μέρος της δύναμης των πρακτόρων όταν αυτοί υλοποιηθούν και χρησιμοποιηθούν για την εξυπηρέτηση αναγκών χρηστών Σ.Γ.Π. Η πρώτη εφαρμογή προέρχεται από τον χώρο της εξομοίωσης με χρήση πρακτόρων. Πρόκειται για ένα Περιβάλλον Ανάπτυξης το οποίο καλείται Repast Simphony και χρησιμοποιείται κυρίως για εξομοιώσεις. Το συγκεκριμένο περιβάλλον επιτρέπει την χρήση των πρακτόρων και μέσα από περιβάλλοντα GIS τόσο ανοιχτού κώδικα όσο και εμπορικά. Συγκεκριμένα υποστηρίζει άμεσα το φορμά αρχείου της ESRI, shp. Η δεύτερη εφαρμογή παρουσιάζει τις δυνατότητες των Simple Reflex Agents μέσα από το περιβάλλον του AutoCAD. Πρόκειται για μια εφαρμογή γενίκευσης χάρτη. Η εφαρμογή αυτή δύναται να χρησιμοποιηθεί για την γενίκευση γραμμών. Είναι απλή στην υλοποίηση της καθώς ο χρόνος ανάπτυξης είναι υπερβολικά μεγάλος για την κάλυψη όλων των αναγκών γενίκευσης ενός χάρτη. Έτσι αναπτύχθηκε ένα υπόδειγμα σε έναν χάρτη ισοϋψών καμπύλων όπου ως πράκτορας, ανάλογα με την κατάσταση της γραμμής, επιλέγει τον τρόπο με τον οποίο θα απλοποιηθεί. Σελίδα 103 από 169

104 Κεφάλαιο 5 ο Repast Simphony, Agent Line Generalization 2. Repast Simphony Η ανάπτυξη της εφαρμογής γίνεται μέσα από ένα περιβάλλον ανάπτυξης λογισμικού σε γλώσσα Java. Το περιβάλλον αυτό καλείται Eclipse SDK και περιλαμβάνει και το Repast Simphony το οποίο θα χρησιμοποιηθεί για την ανάπτυξη της εφαρμογής των πρακτόρων. Η εφαρμογή που θα παρουσιαστεί εδώ αφορά στα δίκτυα. Πιο συγκεκριμένα αφορά σε ένα δίκτυο νερού όπου κάθε κόμβος είναι ένας πράκτορας. Η συμπεριφορά του κάθε πράκτορα επηρεάζει τους υπόλοιπους οι οποίοι προσαρμόζουν την δράση τους ανάλογα. Πρόκειται για μια διαδικασία εξομοίωσης μεταβολών στο δίκτυο και πως αυτές επιδρούν στο σύνολο αυτού εντός μιας χρονικής περιόδου. Το περιβάλλον εργασίας είναι αυτό που παρουσιάζεται στην εικόνα που ακολουθεί [Εικόνα 1]. Είναι το τυπικό περιβάλλον εργασίας του Eclipse SDK στο οποίο έχουν προστεθεί τα εργαλεία εκείνα που προέρχονται από το Repast Simphony. Εικόνα 1. Περιβάλλον Εργασίας Eclipse SDK Σελίδα 104 από 169

105 Κεφάλαιο 5 ο Repast Simphony, Agent Line Generalization 2.1 Ανάπτυξη του μοντέλου Η αρχική διαδικασία περιλαμβάνει την δημιουργία του Έργου 192 καθώς και τις διάφορες ρυθμίσεις που απαιτούνται για την λειτουργία τόσο του περιβάλλοντος εργασίας όσο και της τελικής εφαρμογής. Εφόσον ολοκληρωθεί η απαραίτητη προετοιμασία η εικόνα την οποία έχει ο χρήστης είναι η παρακάτω [Εικόνα 2]: Εικόνα 2. Το μοντέλο Network Το μοντέλο το οποίο δημιουργήθηκε καλείται Network όπως φαίνεται στην Εικόνα 2 και επάνω σε αυτό θα γίνει η ανάπτυξη των πρακτόρων. 192 Project Σελίδα 105 από 169

106 Κεφάλαιο 5 ο Repast Simphony, Agent Line Generalization Επεξεργασία του αρχείου model.score Στο αρχείο model.score βρίσκεται αποθηκευμένη όλη η δομή του μοντέλου. Ο Score Editor επιτρέπει στο χρήστη γρήγορα και αποτελεσματικά να καθορίζει ή να τροποποιεί τη δομή ενός μοντέλου. Τα συστατικά του μοντέλου δημιουργούνται και προστίθενται στο δέντρο του μοντέλου μέσω των επιλογών που εμφανίζονται κάνοντας κλικ επάνω σε κάθε συστατικό. Όταν ένα νέο συστατικό προστίθεται στο μοντέλο, ο χρήστης κατόπιν έχει την επιλογή να εισαγάγει πρόσθετες πληροφορίες συγκεκριμένες για το συγκεκριμένο συστατικό. Για να δημιουργηθεί ένας πράκτορας γίνεται δεξί κλικ στην κορυφή του Score όπως φαίνεται στην εικόνα και επιλέγεται Create Member Agent [Εικόνα 3]. Εικόνα 3. Δημιουργία Δομής Πράκτορα Έτσι δημιουργείται ο πράκτορας ο οποίος ονομάζεται κατά επιλογή του χρήστη. Στην προκειμένη περίπτωση επιλέγεται η ονομασία WaterNode αλλάζοντας την ιδιότητα Label όπως φαίνεται στην εικόνα παρακάτω [Εικόνα 4]: Σελίδα 106 από 169

107 Κεφάλαιο 5 ο Repast Simphony, Agent Line Generalization Εικόνα 4. Ιδιότητες Πράκτορα Στο επόμενο βήμα ορίζεται το δίκτυο. Για να γίνει αυτό επιλέγεται πάλι η ρίζα του δέντρου και με δεξί κλικ επιλέγεται από το μενού Create Member Projection Network όπως φαίνεται στην Εικόνα 5. Με τον τρόπο αυτό έχει οριστεί το δίκτυο στο οποίο θα λειτουργήσουν οι πράκτορες. Άλλο ένα σημαντικό ζήτημα το οποίο πρέπει να αντιμετωπιστεί είναι αυτό της κατεύθυνσης του δικτύου. Η ιδιότητα αυτή έχει δύο τιμές: Δίκτυο Απλής Κατεύθυνσης και Δίκτυο Διπλής Κατεύθυνσης Σελίδα 107 από 169

108 Κεφάλαιο 5 ο Repast Simphony, Agent Line Generalization Στην πραγματικότητα η ιδιότητα αυτή δεν αναφέρεται σε όλο το δίκτυο αλλά στον κάθε κλάδο ξεχωριστά. Έτσι στο δίκτυο μπορεί ένας κλάδος να έχει κατεύθυνση συγκεκριμένη ενώ ένας άλλος να είναι διπλής κατεύθυνσης. Εικόνα 5. Δημιουργία Δικτύου Στην περίπτωση του δικτύου αερίου δεν είναι δυνατόν οι κλάδοι να είναι διπλής κατεύθυνσης. Έτσι ορίζεται η ιδιότητα Directed του δικτύου ως True ώστε αυτό να έχει συγκεκριμένη κατεύθυνση. Σε κάθε άλλη περίπτωση η ιδιότητα ορίζεται ως False έτσι ώστε οι κλάδοι του δικτύου να λαμβάνουν κατ επιλογή την κατεύθυνση τους. Επίσης γίνεται αλλαγή και του ονόματος από την ιδιότητα Label. Το νέο όνομα που δίνεται είναι WaterNetwork. Με τον τρόπο αυτό ορίζεται το περιβάλλον εντός του οποίου θα λειτουργούν οι πράκτορες. Το περιβάλλον αυτό είναι ένα δίκτυο. Στην προκειμένη περίπτωση πρόκειται για την εξο0μοίωση ενός περιβάλλοντος το οποίο είναι πολλών πρακτόρων και στο οποίο οι πράκτορες βρίσκονται σε επικοινωνία μεταξύ τους. Δεν πρόκειται ούτε για ανταγωνιστικό περιβάλλον ούτε για συνεργατικό. Επίσης οι πράκτορες οι οποίοι εμφανίζονται στη συγκεκριμένη εφαρμογή είναι τύπου Simple Reflex αφού όπως θα φανεί απλά αντιδρούν Σελίδα 108 από 169

109 Κεφάλαιο 5 ο Repast Simphony, Agent Line Generalization στις μεταβολές του περιβάλλοντος χωρίς να μεταβάλλουν την συμπεριφορά τους ανάλογα με την εξέλιξη. Επόμενο βήμα είναι η δημιουργία του κανάβου ή πλέγματος 193. Αυτό δημιουργείται μέσα από το μενού Create Member Projection Grid. Γίνεται αλλαγή του ονόματος μέσα από την ιδιότητα Label, σε Grid και το Dimensionality σε 2 για να οριστεί κάναβος με δύο διαστάσεις. Όταν η διάσταση αλλάζει, το στοιχείο του κανάβου προσθέτει αυτόματα ή αφαιρεί τα στοιχεία διάστασης που αντιστοιχούν στον αριθμό διαστάσεων στην προβολή. Δεδομένου ότι ο κάναβος ορίστηκε με δύο διαστάσεις, αντίστοιχα προστέθηκαν ένα στοιχείο πλάτους και ένα ύψους. Αλλάζοντας το Default Value στα στοιχεία διαστάσεων Width και Height αντίστοιχα μεγαλώνει ή μικραίνει ο κάναβος. Αλλάζεται η προκαθορισμένη τιμή σε 30 και στα δύο όπως φαίνεται στην εικόνα [Εικόνα 6]. Εικόνα 6. Δημιουργία Κανάβου Πλέον το αρχείο model.score είναι πλήρως ορισμένο. Υπάρχει ο ορισμός του πράκτορα, ο ορισμός ενός κανάβου και φυσικά αυτός του δικτύου. 193 Grid Σελίδα 109 από 169

110 Κεφάλαιο 5 ο Repast Simphony, Agent Line Generalization 2.2 Ορισμός και Δημιουργία της Συμπεριφοράς του Πράκτορα Δημιουργώντας το μέλος πράκτορα στο model.score στο προηγούμενο βήμα, ορίστηκε η δομή αυτού. Σκοπός του παρόντος βήματος είναι η δημιουργία του ίδιου του πράκτορα και ο ορισμός της συμπεριφοράς αυτού. Για την δημιουργία του πράκτορα γίνεται δεξί κλικ στην ρίζα του δέντρου του έργου και επιλέγεται New Other και στην συνέχεια από τον διάλογο που εμφανίζεται Repast Simphony Agent [Εικόνα 7]. Εικόνα 7. Δημιουργία Πράκτορα Ο πράκτορας αποτελείται από δύο αρχεία. Το ένα καλείται Groovy και περιέχει τον πηγαίο κώδικα και το Agent το οποίο περιέχει το διάγραμμα ροής. Μέσα από το αρχείο Agent προγραμματίζεται διαγραμματικά η συμπεριφορά του πράκτορα. Στην εικόνα που ακολουθεί εμφανίζεται το αρχείο Agent όπου και εκεί θα ολοκληρωθεί όλη η εργασία του ορισμού της συμπεριφοράς του πράκτορα. Επάνω σε αυτό το αρχείο θα προγραμματιστεί ο τρόπος με τον οποίο ο πράκτορας θα αντιδρά στα διάφορα ερεθίσματα τα οποία θα δέχεται από το περιβάλλον [Εικόνα 8]. Σελίδα 110 από 169

111 Κεφάλαιο 5 ο Repast Simphony, Agent Line Generalization Εικόνα 8. Αρχείο Agent Στο αρχείο αυτό ορίζονται τόσο τα αισθητήρια του πράκτορα όσο και οι αντιδράσεις αυτού. Ουσιαστικά πρόκειται για το αρχείο το οποίο ορίζει τον ίδιο τον πράκτορα σαν αντικείμενο και οντότητα μέσα στο περιβάλλον. Όσες λειτουργίες δεν είναι δυνατό να οριστούν από το αρχείο agent μπορούν να οριστούν από το αρχείο groovy μέσα από προγραμματισμό Ιδιότητες Properties Αρχικά ορίζονται οι ιδιότητες του πράκτορα. Στην συγκεκριμένη περίπτωση αυτός είναι ένας κόμβος σε δίκτυο ύδρευσης. Μια από τις χαρακτηριστικές ιδιότητες του κόμβου δικτύου ύδρευσης είναι η πίεση του νερού στον κόμβο. Επιλέγεται λοιπόν από την παλέτα εργαλείων το στοιχείο ελέγχου Property με το οποίο θα οριστεί μια ιδιότητα του πράκτορα. Τοποθετείται στον χώρο του αρχείου όπως φαίνεται στην Εικόνα 9 και ορίζονται οι λεπτομέρειες που αφορούν στη συγκεκριμένη ιδιότητα όπως το όνομα με το οποίο θα Σελίδα 111 από 169

112 Κεφάλαιο 5 ο Repast Simphony, Agent Line Generalization εμφανίζεται, το όνομα το οποίο θα χρησιμοποιηθεί στο κώδικα, μια τιμή αρχικοποίησης, ο τύπος των δεδομένων και άλλα. Εικόνα 9. Στοιχείο Ελέγχου Ιδιότητας Συμπεριφορά Behavior Εφόσον οριστούν οι ιδιότητες σειρά έχει η συμπεριφορά. Στην παρούσα περίπτωση η συμπεριφορά αφορά στην παρακολούθηση των αλλαγών της πίεσης στους κόμβους του δικτύου. Από την παλέτα εργαλείων επιλέγεται το στοιχείο ελέγχου συμπεριφοράς ή Behavior και τοποθετείται στο χώρο ανάπτυξης του διαγράμματος ροής. Στην συνέχεια ελέγχονται οι ιδιότητες του στοιχείου της συμπεριφοράς και ορίζεται η αντίδραση στις διάφορες αλλαγές. Για να οριστεί η συμπεριφορά της παρακολούθησης αλλαγών δίνεται προσοχή σε ορισμένες ιδιότητες του στοιχείου αυτής. Οι ιδιότητες που παρουσιάζουν ιδιαίτερο ενδιαφέρον είναι οι παρακάτω [Εικόνα 10]: Step 4b: Optionally type in a query for the trigger condition Σελίδα 112 από 169

113 Κεφάλαιο 5 ο Repast Simphony, Agent Line Generalization Step 4c: Type in the kind of agents to watch Step 4d: Type in a Comma Separated List of Target Agent Fields to watch Οι τρεις αυτές ιδιότητες είναι σημαντικές διότι: Η πρώτη αποτελεί ένα ερώτημα βάση του οποίου ορίζεται από ποιους πράκτορες θα ενεργοποιείται η συμπεριφορά ενός άλλου πράκτορα. Στην προκειμένη περίπτωση η τιμή linked_from όπως ορίζεται για την συγκεκριμένη ιδιότητα σημαίνει ότι μόνο πράκτορες που είναι συνδεδεμένοι στο δίκτυο με τον υπό μελέτη πράκτορα θα είναι σε θέση να ενεργοποιήσουν την συμπεριφορά αυτού. Εικόνα 10. Στοιχείο Ελέγχου Συμπεριφοράς Η δεύτερη ορίζει ποιου τύπου πράκτορες θα ενεργοποιούν την συμπεριφορά του υπό μελέτη πράκτορα όπου στην συγκεκριμένη περίπτωση θα είναι του τύπου WaterNode. Τέλος η τρίτη ιδιότητα ορίζει ποια από τις ιδιότητες του πράκτορα θα παρακολουθείται και η αλλαγή της οποίας θα ενεργοποιεί την συμπεριφορά αυτού. Στο παράδειγμα Σελίδα 113 από 169

114 Κεφάλαιο 5 ο Repast Simphony, Agent Line Generalization παρακολουθείται η ιδιότητα της πίεσης, WaterPressure όπως αυτή ορίστηκε στην προηγούμενη παράγραφο Εργασίες Tasks Το στοιχείο συμπεριφοράς καθορίζει πότε η συμπεριφορά θα ενεργοποιείται, αλλά όχι τι εκτελείται πραγματικά από τον πράκτορα. Τα στοιχεία ελέγχου εργασίας ή Task περιέχουν τις ενέργειες που εκτελούνται όταν ενεργοποιηθεί μια συγκεκριμένη συμπεριφορά [Εικόνα 11]. Εικόνα 11. Στοιχείο Ελέγχου Εργασίας Για να ολοκληρωθεί η διαδικασία τοποθετείται ένα στοιχείο τέλους ή End. Λαμβάνοντας και συνδέοντας τα διάφορα στοιχεία από την παλέτα ολοκληρώνεται η διαδικασία δημιουργίας της συμπεριφοράς του πράκτορα καταλήγοντας έτσι σε ένα μοντέλο όπως φαίνεται στην Εικόνα 12. Σελίδα 114 από 169

115 Κεφάλαιο 5 ο Repast Simphony, Agent Line Generalization Εικόνα 12. Ολοκληρωμένο Μοντέλο 2.3 Η Διαδικασία της Εξομοίωσης Μετά από την δημιουργία του μοντέλου και τον προγραμματισμό των λειτουργιών, σειρά έχει η εξομοίωση. Χρησιμοποιώντας την εξομοίωση ελέγχεται η λειτουργία του μοντέλου, η συμπεριφορά των πρακτόρων και γενικότερα όλες οι διαδικασίες που αφορούν στο περιβάλλον, την λειτουργία αυτού και την αλληλεπίδραση του με τους πράκτορες. Για να εκτελεστή η εξομοίωση καλείται από το μενού Run το μοντέλο. Παρουσιάζεται ένα νέο παράθυρο το οποίο σχετίζεται με την εκτέλεση της εξομοίωσης και τις διάφορες ρυθμίσεις αυτής. Από τον διάλογο αυτό παρέχεται η δυνατότητα της θεματικής κατηγοριοποίησης των πρακτόρων, της δημιουργίας προβολών, της σύνδεσης με βάσης δεδομένων, της δημιουργίας γραφημάτων, της εξαγωγής των δεδομένων της εξομοίωσης και άλλα. Στην εικόνα που ακολουθεί φαίνεται η τυπική δομή του διαλόγου εξομοίωσης [Εικόνα 13]. Σελίδα 115 από 169

116 Κεφάλαιο 5 ο Repast Simphony, Agent Line Generalization Εικόνα 13. Διάλογος Εξομοίωσης Προσθήκη Απεικόνισης 194 Οι επιφάνειες προβολής χρησιμοποιούνται για την οπτικοποίηση των πρακτόρων και του περιβάλλοντος στην εξομοίωση. Με δεξί κλικ στο Display και στην συνέχεια επιλέγοντας Add Display εκκινείται ο οδηγός προσθήκης αυτής από όπου και θα καθοριστούν τα περιεχόμενα της καθώς και η μορφοποίηση της. Στην εικόνα που ακολουθεί φαίνεται ο οδηγός προσθήκης ενός Display. Στην προκειμένη περίπτωση επιλέγεται η Δυσδιάστατη απεικόνιση και προστίθενται σε αυτήν οι προβολές που έχουν δημιουργηθεί με το προηγούμενο εργαλείο κατά την κατασκευή της δομής του πράκτορα και του περιβάλλοντος [Εικόνα 14]. 194 Display Σελίδα 116 από 169

117 Κεφάλαιο 5 ο Repast Simphony, Agent Line Generalization Εικόνα 14. Δημιουργία Απεικόνισης Ακολουθούν οι διάλογοι που αφορούν στην μορφοποίηση του κανάβου και των πρακτόρων καθώς και των παραμέτρων λειτουργίας της εξομοίωσης. Όλα τα παραπάνω εκτός των παραμέτρων της εξομοίωσης αφορούν στο οπτικό αποτέλεσμα. Οι επιλογές γίνονται κατά βούληση του χρήστη. Οι ρυθμίσεις των παραμέτρων αφορούν στους χρόνους λειτουργίας της εξομοίωσης όπως το βήμα, την συχνότητα επανάληψης και άλλα. Εφόσον οριστούν όλα κατά τις ανάγκες και επιλογές του χρήστη τότε επιστρέφοντας στο περιβάλλον της εξομοίωσης και επιλέγοντας Initialize Run προβάλλεται ο χώρος ανάπτυξης των πρακτόρων [Εικόνα 15]. Σελίδα 117 από 169

118 Κεφάλαιο 5 ο Repast Simphony, Agent Line Generalization Εικόνα 15. Περιβάλλον Εξομοίωσης Επιλέγοντας το Edit Agents όπως φαίνεται στην Εικόνα 15 εμφανίζεται ο διάλογος των πρακτόρων (μπλε πλαισιο) μέσα από τον οποίο προστίθενται πράκτορες στην επιφάνεια του δικτύου [Εικόνα 16]. Για το συγκεκριμένο παράδειγμα ορίστηκε το πλέγμα να έχει μέγεθος 30 Χ 30 και έτσι οι πράκτορες τοποθετούνται σε ακέραιες θέσεις. Οι πράκτορες προστίθενται χρησιμοποιώντας το πλήκτρο ενώ παράλληλα μπορούν να προστεθούν και οι κλάδοι του δικτύου χρησιμοποιώντας αντίστοιχα το πλήκτρο. Κατά αυτόν τον τρόπο δημιουργείται το πλήρες δίκτυο όπως φαίνεται στην εικόνα που ακολουθεί [Εικόνα 16]. Σελίδα 118 από 169

119 Κεφάλαιο 5 ο Repast Simphony, Agent Line Generalization Εικόνα 16. Πλήρες Δίκτυο Θεματική Επεξεργασία Χρησιμοποιώντας τον διάλογο της απεικόνισης είναι δυνατόν να γίνει θεματική επεξεργασία των πρακτόρων. Έτσι είναι δυνατόν να απεικονιστεί η εξομοίωση υπό θεματική μορφή κατά την χρονική εξέλιξη του φαινόμενου. Στο παράδειγμα που ακολουθεί όταν συμβαίνει αλλαγή στην κατάσταση του πράκτορα σύμφωνα με την πίεση τότε η απεικόνιση του αλλάζει μέγεθος. Στην εικόνα που ακολουθεί παρουσιάζεται ο διάλογος από τον οποίο γίνεται θεματική επεξεργασία του περιβάλλοντος και των πρακτόρων [Εικόνα 17]. Ο διάλογος εμφανίζεται κάνοντας διπλό κλικ στην απεικόνιση που έχει κατασκευαστεί στο προηγούμενο βήμα και στην συνέχεια επιλέγοντας Agent Style και πατώντας το πλήκτρο. Σελίδα 119 από 169

120 Κεφάλαιο 5 ο Repast Simphony, Agent Line Generalization Εικόνα 17. Θεματική Επεξεργασία Η θεματική απεικόνιση που χρησιμοποιεί το Repast Simphony είναι πολύ χρήσιμη στην διαδικασία της παρακολούθησης των αλλαγών κατά την διάρκεια της εξομοίωσης. Έτσι ο χρήστης μπορεί άμεσα να έχει άποψη για το τι συμβαίνει στο περιβάλλον και στους πράκτορες κατά την διάρκεια της εξέλιξης της εξομοίωσης και κατά συνέπεια του φαινόμενου το οποίο βρίσκεται υπό μελέτη Η Εξομοίωση Η εξομοίωση είναι εκείνη η διαδικασία με την οποία μπορεί να παρατηρηθεί και να μελετηθεί η χωροχρονική εξέλιξη ενός φαινόμενου και ο τρόπος με τον οποίο επιδρά αυτό στο περιβάλλον και τα αντικείμενα αυτού. Με την χρήση της είναι δυνατό να γίνουν προβλέψεις για μια κατάσταση και να αντιμετωπιστούν προβλήματα πριν ακόμα κάνουν την εμφάνιση τους. Για την εξομοίωση, στο παράδειγμα που ακολουθεί, έγιναν οι απαραίτητες αλλαγές στην θεματική απεικόνιση των πρακτόρων έτσι ώστε να καταστεί εμφανής η διαδικασία και οι αλλαγές που συμβαίνουν στους πράκτορες κατά την εξέλιξη του φαινόμενου της μεταβολής της πίεσης [Εικόνα 18]. Σελίδα 120 από 169

121 Κεφάλαιο 5 ο Repast Simphony, Agent Line Generalization Εικόνα 18. Θεματική Απεικόνιση Πατώντας το πλήκτρο εκκινείται η διαδικασία της εξομοίωσης. Αλλάζοντας την πίεση σε ένα πράκτορα παρατηρείται ότι το μέγεθός του αλλάζει. Ύστερα από ένα ορισμένο χρονικό διάστημα το οποίο τέθηκε κατά την δημιουργία του μοντέλου (εδώ είναι 10 τικ) η μεταβολή της πίεσης επηρεάζει τον επόμενο πράκτορα ο οποίος είναι συνδεδεμένος και αλλάζει και αυτού το μέγεθος [Εικόνα 19]. Έτσι παρατηρείται η αντίδραση των πρακτόρων. Αλλαγή της πίεσης ενός κόμβου στο δίκτυο οδηγεί στην αντίδραση των άλλων κόμβων οι οποίοι επίσης αλλάζουν την πίεση τους για την σταθεροποίηση της πίεσης στο δίκτυο. Σελίδα 121 από 169

122 Κεφάλαιο 5 ο Repast Simphony, Agent Line Generalization Εικόνα 19. Παρακολούθηση Μεταβολών 2.4 Άλλα Στοιχεία Ελέγχου Το μοντέλο το οποίο κατασκευάστηκε στο προηγούμενο παράδειγμα είναι ιδιαίτερα απλό. Οι πράκτορες απλά αντιδρούν στις μεταβολές του περιβάλλοντος και μόνο από τις συγκεκριμένες μεταβολές που προκαλούν οι πράκτορες οι οποίοι είναι άμεσα συνδεδεμένοι. Το Repast Simphony επιτρέπει την δημιουργία συμπεριφορών οι οποίες είναι χρονικά προγραμματισμένες έτσι ώστε να μελετηθούν φαινόμενα τα οποία επαναλαμβάνονται χρονικά. Επίσης παρέχει μια σειρά στοιχείων ελέγχου πέραν αυτών που παρουσιάστηκαν παραπάνω με αποτέλεσμα την δυνατότητα πλήρους προγραμματισμού και ελέγχου της συμπεριφοράς των πρακτόρων. Σελίδα 122 από 169

123 Κεφάλαιο 5 ο Repast Simphony, Agent Line Generalization Απόφαση Decision Το στοιχείο ελέγχου της απόφασης επιτρέπει την δημιουργία ενός βρόγχου λήψης αποφάσεων. Ουσιαστικά πρόκειται για μια λειτουργία if then else η οποία είναι και βασική στην διαδικασία λειτουργίας ενός Simple Reflex Agent. Με την χρήση του συγκεκριμένου στοιχείου ελέγχου μπορεί περαιτέρω να προγραμματιστεί η λειτουργία του πράκτορα έτσι ώστε να είναι πιο πλήρης. Το στοιχείο ελέγχου χρησιμοποιείται κατά τον ίδιο τρόπο που χρησιμοποιούνται και τα υπόλοιπα. Στην εικόνα που ακολουθεί παρακάτω φαίνεται μέσα στο κόκκινο πλαίσιο το στοιχείο ελέγχου της απόφασης [Εικόνα 20]. Εικόνα 20. Απόφαση Όταν το στοιχείο της απόφασης τοποθετηθεί στον χώρο εργασίας δίνει την δυνατότητα ελέγχου της ροής του προγράμματος ακολουθώντας την τυπική διαδικασία του true or false. Γίνεται εκτίμηση της πρότασης που τίθεται στον βρόγχο ελέγχου και ανάλογα με το αποτέλεσμα της εκτίμησης προκύπτει ένα όρισμα true ή false. Κατά τον τρόπο αυτό λαμβάνεται απόφαση σύμφωνα με τα δεδομένα και αλλάζει η πορεία εκτέλεσης του προγράμματος. Σελίδα 123 από 169

124 Κεφάλαιο 5 ο Repast Simphony, Agent Line Generalization Όπως προαναφέρεται το στοιχείο της απόφασης είναι σημαντικό για τον πράκτορα ιδιαίτερα για τον Simple Reflex του οποίου η λειτουργία βασίζεται στον Κανόνα Κατάστασης Δράσης Σύνδεση Join Το στοιχείο ελέγχου της σύνδεσης χρησιμοποιείται για να συνδέει μεταξύ τους άλλα στοιχεία ή κλάδους βρόγχων όπως για παράδειγμα την σύνδεση των δύο κλάδων που προέρχονται από ένα στοιχείο λήψης απόφασης. Εικόνα 21. Σύνδεση πράκτορα. Στην Εικόνα 23 φαίνονται όλα τα διαθέσιμα στοιχεία σε πλήρη προγραμματισμό ενός Βρόγχος Loop Το στοιχείο ελέγχου του βρόγχου ορίζει μια επαναληπτική διαδικασία η οποία οδηγεί σε ένα τελικό αποτέλεσμα μετά από μια σειρά επαναλήψεων. Σελίδα 124 από 169

125 Κεφάλαιο 5 ο Repast Simphony, Agent Line Generalization Εικόνα 22. Βρόγχος 2.5 Πλήρες Υπόδειγμα Πράκτορα Στην Εικόνα 23 παρουσιάζεται το πλήρες υπόδειγμα ενός πράκτορα ο οποίος μετρά την πίεση του και στην συνέχεια ανάλογα με το μέγεθος αυτής αποφασίζει για το αν θα προχωρήσει σε αλλαγή ή όχι. Για διευκόλυνση ο χώρος εργασίας έχει χωριστεί σε τρία πλαίσια. Στο πρώτο πλαίσιο (κόκκινο) φαίνονται οι ιδιότητες του πράκτορα τις οποίες αυτός παρατηρεί και είναι η Πίεση στον κόμβο και η Μετρούμενη Πίεση. Στο δεύτερο πλαίσιο (μπλε) φαίνεται η διαδικασία λήψης της απόφασης αλλαγής της πίεσης αν η μετρούμενη πίεση είναι μεγαλύτερη από ένα συγκεκριμένο μέγεθος. Αν η πίεση είναι μεγαλύτερη από αυτό το όριο τότε ο πράκτορας προχωρά στην αλλαγή επηρεάζοντας αντίστοιχα και τους υπόλοιπους. Αν όχι τότε πολύ απλά η διαδικασία της αλλαγής δεν γίνεται. Με την χρήση της παρακολούθησης της πίεσης σε συνδυασμό με την επόμενη διαδικασία ουσιαστικά ελέγχεται η κατάσταση των κόμβων και κατά συνέπεια του συνολικού δικτύου. Στο τρίτο πλαίσιο (πράσινο) φαίνεται η διαδικασία της μέτρησης της πίεσης από την οποία εξαρτάται και η λήψη της απόφασης για την αλλαγή της πίεσης. Μέσα από την διαδικασία της επανάληψης παράγεται ένας μέσος όρος πίεσης ή αν δεν ικανοποιηθούν οι Σελίδα 125 από 169

126 Κεφάλαιο 5 ο Repast Simphony, Agent Line Generalization συνθήκες παράγεται μια τελική μέτρηση πίεσης. Το αποτέλεσμα της μίας ή της άλλης περίπτωσης στην συνέχεια μεταφέρεται στην παρακολούθηση των αλλαγών πίεσης και εκεί λαμβάνεται η απόφαση για την αλλαγή της πίεσης όπως προαναφέρεται. Εικόνα 23. Τελικό Μοντέλο 2.6 Σχόλια Αυτό το οποίο χρίζει σχολιασμού για το συγκεκριμένο είδος πρακτόρων (Simple Reflex) ειδικά όπως δημιουργούνται μέσα από το περιβάλλον του Repast Simphony και για το συγκεκριμένο πάντα παράδειγμα είναι ότι οι πράκτορες της συγκεκριμένης μορφής είναι σχετικά απλοί τόσο στην κατανόηση της λειτουργίας τους όσο και στην υλοποίηση τους. Αυτό βέβαια συμβαίνει λόγω των κατάλληλων εργαλείων. Η προγραμματιστική ανάπτυξη των πρακτόρων χωρίς εργαλεία για εργασία αυτής της φύσεως είναι ιδιαίτερα χρονοβόρα και δύσκολη καθώς ο προγραμματισμός της συμπεριφοράς απαιτεί ιδιαίτερη γνώση του αντικειμένου με το οποίο ο πράκτορας θα ασχοληθεί. Σελίδα 126 από 169

127 Κεφάλαιο 5 ο Repast Simphony, Agent Line Generalization Παρόλα αυτά το γεγονός ότι ο Simple Reflex Agent στηρίζεται ουσιαστικά για την λειτουργία του σε έναν απλό κανόνα ελέγχου if then else τον καθιστά ιδιαίτερα εύχρηστο και εύκολο σαν γενικότερη προσέγγιση σε σχέση με τα υπόλοιπα είδη πρακτόρων. 3. Γενίκευση Γραμμών με την χρήση Πρακτόρων Σ τη παρούσα παράγραφο παρουσιάζεται μια προσπάθεια χρήσης της τεχνολογίας των πρακτόρων στην υπηρεσία της χαρτογραφίας και πιο συγκεκριμένα την εφαρμογή τους σε μεθόδους χαρτογραφικής γενίκευσης. Η γενίκευση για το συγκεκριμένο παράδειγμα αφορά σε γραμμικά αντικείμενα ενός χάρτη. Για λόγους ταχύτητας και απλότητας οι μέθοδοι εφαρμόστηκαν σε ισοϋψείς καμπύλες. 3.1 Χαρτογραφική Γενίκευση Ως χαρτογραφική γενίκευση ορίζουμε το σύνολο εκείνων των μεθόδων οι οποίες χρησιμοποιούνται και εφαρμόζονται σε χαρτογραφικά δεδομένα με αποτέλεσμα την διατήρηση μόνο της απαραίτητης πληροφορίας του χάρτη έτσι ώστε αυτός ως τελικό προϊόν να είναι ευανάγνωστος και εύχρηστος. Έστω η περίπτωση χάρτη κλίμακας Α [Εικόνα 24] από τον οποίο παράγεται ένας δεύτερος χάρτης κλίμακας Β όπου Β < Α χωρίς ο δεύτερος να έχει υποστεί την διαδικασία της γενίκευσης. Το αποτέλεσμα είναι ο παράγωγος τελικός χάρτης να έχει προβλήματα τα οποία κυρίως σχετίζονται με την δυνατότητα ανάγνωσης της διαθέσιμης πληροφορίας Σελίδα 127 από 169

128 ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ ΣΤΑ ΣΥΣΤΗΜΑΤΑ ΓΕΩΓΡΑΦΙΚΩΝ ΠΛΗΡΟΦΟΡΙΩΝ ΚΑΙ ΣΤΗ ΧΑΡΤΟΓΡΑΦΙΑ Κεφάλαιο 5ο Repast Simphony, Agent Line Generalization Εικόνα 24. Γενίκευση Όπως φαίνεται στην εικόνα υπάρχει σύγχυση και υπερσυγκέντρωση πληροφορίας καθιστώντας την ανάγνωση των στοιχείων του χάρτη από δύσκολη έως αδύνατη. Η υπάρχουσα λεπτομέρεια δεν είναι δυνατόν να αξιοποιηθεί. Ο βαθμός της λεπτομέρειας η οποία θα διατηρηθεί ή ορθότερα ο βαθμός της χαρτογραφικής γενίκευσης την οποία θα υποστεί ο χάρτης πριν την παραγωγή του τελικού προϊόντος καθώς και οι μέθοδοι επεξεργασίας των αρχικών δεδομένων για την επιλογή των Σελίδα 128 από 169

129 Κεφάλαιο 5 ο Repast Simphony, Agent Line Generalization απαλοιφόμενων στοιχείων, εξαρτώνται άμεσα από το είδος και την κλίμακα του παραγόμενου χάρτη [20]. Παλαιότερα, πριν εφαρμοστούν οι αυτοματοποιημένες διαδικασίες γενίκευσης με τη χρήση των Η/Υ, η γενίκευση ήταν μια υποκειμενική διαδικασία η οποία σχετιζόταν άμεσα με την εμπειρία, την αντίληψη και την επιδεξιότητα του χαρτογράφου. Με την έλευση όμως της εποχής των αυτοματοποιημένων συστημάτων και της αυτοματοποιημένης χαρτογραφίας η διαδικασία αυτή έγινε περισσότερο αντικειμενική καθώς πλέον στηρίζεται στη χρήση μαθηματικών αλγορίθμων [20]. Στην ψηφιακή χαρτογραφία η διαδικασία της γενίκευσης χρησιμοποιείται για διάφορους λόγους όπως η μείωση του χώρου αποθήκευσης των ψηφιακών δεδομένων, η αλλαγή ή ο μετασχηματισμός της κλίμακας, η στατιστική ταξινόμηση, ο κατάλληλος συμβολισμός και άλλα. Η γενίκευση ψηφιακών δεδομένων μπορεί να οριστεί ως η διαδικασία άντλησης δεδομένων από κάποια πηγή και στην συνέχεια παραγωγής ενός ψηφιακά κωδικοποιημένου συνόλου χαρτογραφικών δεδομένων. Σκοπός της γενίκευσης είναι: Η μείωση του πλήθους, των τύπων και της πολυπλοκότητας των αναπαριστώμενων φαινόμενων στο χάρτη. Η διατήρηση της ευκρίνειας και αναγνωσιμότητας του χάρτη της νέας επιθυμητής κλίμακας. Η αύξηση της ταχύτητας επεξεργασίας, αποθήκευσης και εκτύπωσης. Σελίδα 129 από 169

130 Κεφάλαιο 5 ο Repast Simphony, Agent Line Generalization Τεχνικές Χαρτογραφικής Γενίκευσης Οι τεχνικές χαρτογραφικής γενίκευσης οι οποίες εφαρμόζονται σε ένα σύνολο δεδομένων / φαινόμενων εξαρτώνται άμεσα από τη φύση αυτών ή καλύτερα από την μορφή με την οποία αυτά παρουσιάζονται στον χάρτη. Ως γνωστό τα φαινόμενα παρουσιάζονται σε έναν χάρτη υπό τρεις (3) μορφές: Σημειακά φαινόμενα Γραμμικά φαινόμενα Επιφανειακά φαινόμενα Αναλόγως της μορφής αυτών επιλέγεται και η κατάλληλη μέθοδος γενίκευσης. ΣΗΜΕΙΑΚΑ ΦΑΙΝΟΜΕΝΑ Η μέθοδος της γενίκευσης η οποία συνήθως εφαρμόζεται σε σημειακά φαινόμενα ενός χάρτη ακολουθεί το Νόμο του Topfer ή το Νόμο της Τετραγωνικής Ρίζας ο οποίος δίνεται από την σχέση: n = n c s S S c s Όπου, nc είναι ο αριθμός των σημειακών φαινόμενων τα οποία παρουσιάζονται στον γενικευμένο χάρτη κλίμακας 1:Sc και ns είναι ο αριθμός των σημειακών φαινόμενων τα οποία παρουσιάζονται στον αρχικό χάρτη κλίμακας 1:Ss Σελίδα 130 από 169

131 Κεφάλαιο 5 ο Repast Simphony, Agent Line Generalization Ο νόμος καθορίζει τον αριθμό των αντικειμένων τα οποία θα διατηρηθούν όχι όμως και το ποια αντικείμενα θα διατηρηθούν[21]. Έτσι τίθενται ορισμένα κριτήρια για τη διατήρηση ή μη των αντικειμένων. Άλλες φορές τα κριτήρια σχετίζονται με το μέγεθος των αντικειμένων ενώ άλλες φορές κριτήριο αποτελεί η πληροφορία η οποία απαιτείται να παρουσιάζεται στο χάρτη. Ουσιαστικά το κριτήριο εκείνο το οποίο καθορίζει την απομάκρυνση ή την διατήρηση της πληροφορίας είναι ο σκοπός για τον οποίο θα χρησιμοποιηθεί ο συγκεκριμένος χάρτης. ΓΡΑΜΜΙΚΑ ΦΑΙΝΟΜΕΝΑ Η φύση των γραμμικών φαινόμενων είναι τέτοια που τα καθιστά ίσως τα σημαντικότερα φαινόμενα στην χαρτογραφία καθώς περιγράφουν το μεγαλύτερο τμήμα της πληροφορίας σε έναν χάρτη ενώ μπορούν να χρησιμοποιηθούν για την περιγραφή και άλλων φαινόμενων όπως επιφανειακά. Χαρακτηριστικό παράδειγμα είναι η περιγραφή του ανάγλυφου του εδάφους με τη χρήση των ισοϋψών καμπύλων [20]. Για το λόγο αυτό, οι περισσότερες μέθοδοι χαρτογραφικής γενίκευσης έχουν αναπτυχθεί για να αντιμετωπίσουν το πρόβλημα της γενίκευσης γραμμικών φαινόμενων. Σελίδα 131 από 169

132 Κεφάλαιο 5 ο Repast Simphony, Agent Line Generalization Διάγραμμα 1. Μέθοδοι Χαρτογραφικής Γενίκευσης ΕΠΙΦΑΝΕΙΑΚΑ ΦΑΙΝΟΜΕΝΑ Τα επιφανειακά φαινόμενα είναι εκείνα τα οποία καλύπτουν μια περιοχή του χάρτη. Οι μέθοδοι οι οποίες χρησιμοποιούνται για τη γενίκευση επιφανειακών φαινόμενων αποτελούν επέκταση των μεθόδων των γραμμικών φαινόμενων στις Δύο Διαστάσεις (2D) και εφαρμόζονται κατά περίπτωση. Παρακάτω στην εικόνα [Εικόνα 3] δίνεται ένα παράδειγμα εξομάλυνσης μια επιφάνειας με τη χρήση του μοντέλου της κεντροβαρικής μέσης τιμής όπως αυτό επεκτείνεται στις δύο διαστάσεις για εφαρμογή στην επιφάνεια. Σελίδα 132 από 169

133 Κεφάλαιο 5 ο Repast Simphony, Agent Line Generalization Εικόνα 25. Γενίκευση Επιφανειακού Φαινόμενου ΟΜΑΔΟΠΟΙΗΣΗ ΧΑΡΤΟΓΡΑΦΙΚΩΝ ΑΝΤΙΚΕΙΜΕΝΩΝ Εφόσον ολοκληρωθεί η διαδικασία της σμίκρυνσης ενός χάρτη πολλές φορές εφαρμόζεται μια ομαδοποίηση συγγενικών αντικειμένων, τα οποία κανονικά απέχουν μια Α απόσταση, σε ένα αντικείμενο Σελίδα 133 από 169

134 Κεφάλαιο 5 ο Repast Simphony, Agent Line Generalization ΚΛΑΣΙΚΟΠΟΙΗΣΗ ΧΑΡΤΟΓΡΑΦΙΚΩΝ ΑΝΤΙΚΕΙΜΕΝΩΝ Μια μέθοδος παρόμοια της ομαδοποίησης είναι η κλασικοποιηση δηλαδή η ομαδοποίηση των ομοειδών χαρτογραφικών αντικειμένων συμφωνά με ορισμένα ποιοτικά ή / και ποσοτικά χαρακτηριστικά. Στην εικόνα που ακολουθεί παρουσιάζεται μια απεικόνιση της πραγματικότητας με συγκεκριμένα στοιχεία τα οποία αφορούν σε διάφορες καλλιέργειες. Εικόνα 26. Κλασικοποίηση Μετά από την εφαρμογή της κλασικοποίησης παράγεται νέα εικόνα η οποία φέρει δύο κλάσεις οι οποίες περιλαμβάνουν ομοειδή στοιχεία καλλιέργειας. Αυτά τα στοιχεία προκύπτουν από τον διαχωρισμό των αντικειμένων σε οπωροφόρα και δημητριακά. Σελίδα 134 από 169

135 Κεφάλαιο 5 ο Repast Simphony, Agent Line Generalization Εικόνα 27. Ομαδοποίηση Στην κατηγορία γενίκευσης σε ψηφιδωτά δεδομένα με ονομαστική πληροφορία ανήκουν οι εξής αλγόριθμοι: Συνδυασμός κλάσεων Κινητά παράθυρα αθροίσματος κλάσεων Αλλαγή ιδιότητας με υποπεριπτώσεις o o o Την κατάργηση ιδιοτήτων Την ομαλοποίηση Το γεφύρωμα κενών Σελίδα 135 από 169

136 Κεφάλαιο 5 ο Repast Simphony, Agent Line Generalization Αξιολόγηση Τεχνικών Χαρτογραφικής Γενίκευσης Καθώς η διαδικασία της γενίκευσης είναι υποκειμενική, παρά το γεγονός ότι ένα μεγάλο τμήμα αυτής έχει αυτοματοποιηθεί, δεν είναι δυνατόν να οριστούν ξεκάθαρα κριτήρια αξιολόγησης της μεθόδου η οποία θα χρησιμοποιηθεί για τη γενίκευση ενός χάρτη. Παρόλα αυτά είναι δυνατόν να οριστεί ένα υπόβαθρο δεσμεύσεων το οποίο θα καθορίζει τις γενικότερες γραμμές τις οποίες θα πρέπει μια μέθοδος να ακολουθεί έτσι ώστε να θεωρηθεί ικανοποιητική η γενίκευση η οποία εφαρμόστηκε, πάντα σύμφωνα με τις ανάγκες του χαρτογράφου, του τελικού αποτελέσματος και φυσικά του χρήστη του χάρτη. ΧΑΡΤΟΓΡΑΦΙΚΑ ΚΡΙΤΗΡΙΑ ΑΞΙΟΛΟΓΗΣΗΣ Υπάρχουν τρία βασικά κριτήρια τα οποία οφείλει να πληρεί μια τεχνική χαρτογραφικής γενίκευσης έτσι ώστε το αποτέλεσμα αυτής να μπορεί να θεωρηθεί ικανοποιητικό. Τα κριτήρια αυτά παρατίθενται παρακάτω[20]: Διατήρηση του χαρακτήρα και της ακρίβεια του χάρτη Δυνατότητα μεταβολής του βαθμού γενίκευσης Δυνατότητα υπερτονισμού ορισμένων χαρτογραφικών αντικειμένων Για να παραμείνει αμετάβλητη η ακρίβεια του χάρτη ή να μεταβληθεί εντός ανεκτών ορίων θα πρέπει η μετατόπιση των διάφορων αντικειμένων μετά την εφαρμογή της γενίκευσης να είναι εντός των ορίων σφάλματος τα οποία καθορίζονται από την κλίμακα του γενικευμένου χάρτη. Για την διατήρηση του χαρακτήρα του χάρτη θα πρέπει το σύνολο των αντικειμένων τα οποία αναγνωρίζονται ως ομάδα να μετακινηθούν όλα μαζί. Σελίδα 136 από 169

137 Κεφάλαιο 5 ο Repast Simphony, Agent Line Generalization Οι παραπάνω προτάσεις συνήθως έρχονται σε αντίθεση η μία με την άλλη και για το λόγο αυτό θα πρέπει κάθε διαδικασία γενίκευσης να είναι προσεκτική και ελεγχόμενη. Κάθε αντικείμενο το οποίο χρίζει γενίκευσης δεν σημαίνει ότι απαιτεί και τον ίδιο βαθμό γενίκευσης σε σχέση με άλλα. Κατά συνέπεια πρέπει να παρέχεται η δυνατότητα της μεταβολής του βαθμού γενίκευσης ανάλογα με το αντικείμενο, την περιοχή του χάρτη και τις γενικότερες ανάγκες και απαιτήσεις. Τέλος αντικείμενα τα οποία θα πρέπει να είναι παρατηρήσιμα και μετά την γενίκευση θα πρέπει με κάποιον τρόπο να χαρακτηρίζονται. Αυτό είναι και η δυνατότητα του υπερτονισμού[20]. ΑΛΓΟΡΙΘΜΙΚΑ ΚΡΙΤΗΡΙΑ ΑΞΙΟΛΟΓΗΣΗΣ Δύο είναι τα βασικά αλγοριθμικά κριτήρια [20]: Αμετάβλητο αποτέλεσμα κάτω από μαθηματικούς μετασχηματισμούς Ταχύτητα εκτέλεσης Μεταβολές όπως αλλαγή του συστήματος συντεταγμένων, της επιλογής του αρχικού σημείου, στροφή των αξόνων και άλλα θα πρέπει να αφήνουν το τελικό αποτέλεσμα αμετάβλητο. ΣΥΜΠΕΡΑΣΜΑΤΙΚΑ Γενικότερα μπορούν να διακριθούν τέσσερα στοιχεία τα οποία καθοδηγούν την διαδικασία της χαρτογραφικής γενίκευσης: Μείωση της πολυπλοκότητας Διατήρηση της ακρίβειας των χωρικών και περιγραφικών δεδομένων Διατήρηση της ποιότητας και της αισθητικής του χάρτη Διατήρηση ιεραρχίας των δεδομένων Σελίδα 137 από 169

138 Κεφάλαιο 5 ο Repast Simphony, Agent Line Generalization Ο βαθμός γενίκευσης πρέπει τελικά να συναντά τις απαιτήσεις του τελικού προς έκδοση χάρτη ή της γραφικής απεικόνισης. Τρία συγκεκριμένα στοιχεία λαμβάνονται υπόψη για την παραγωγή του τελικού χάρτη: Ο σκοπός του χάρτη και το κοινό στο οποίο απευθύνεται Η κλίμακα Η διατήρηση της αναγνωσιμότητας του χάρτη στη νέα κλίμακα Η διαδικασία της γενίκευσης επιτυγχάνεται μέσα από μια ποικιλία συναρτήσεων κάθε μία από τις οποίες αντιμετωπίζει συγκεκριμένα προβλήματα. Τρεις παράγοντες μετασχηματισμού είναι οι πιο κρίσιμοι για την γενίκευση: Κατάλληλος τελεστής ή τελεστές μεθόδου γενίκευσης Κατάλληλος αλγόριθμος χαρτογραφικής γενίκευσης Κατάλληλες παράμετροι[22] 3.2 Μέθοδοι Γενίκευσης Γραμμής Έχουν αναπτυχθεί κατά καιρούς διάφοροι αλγόριθμοι για την εφαρμογή της χαρτογραφικής γενίκευσης σε γραμμικά αντικείμενα επί χάρτου. Κάθε ένας από τους αλγόριθμους αυτούς φέρει πλεονεκτήματα και μειονεκτήματα στην εφαρμογή του. Για το λόγο αυτό ανάλογα με τις ανάγκες του χαρτογράφου και του τελικού προϊόντος χρησιμοποιείται και ο κατάλληλος αλγόριθμος. Διάφοροι μέθοδοι χαρτογραφικής γενίκευσης γραμμικών φαινόμενων παρατίθενται στην συνέχεια [1] & [3] : Η μέθοδος διατήρησης του Κ οστού σημείου Η μέθοδος της απαλοιφής σημείων με επιλογή της απόστασης Σελίδα 138 από 169

139 Κεφάλαιο 5 ο Repast Simphony, Agent Line Generalization Η μέθοδος απαλοιφής σημείων με επιλογή της γωνίας Η μέθοδος απαλοιφής σημείων με βάση της επιλεγμένη οπτική γωνία Η μέθοδος της απαλοιφής σημείων με βάση την επιλεγμένη κάθετη απόσταση Πολυωνυμικά μοντέλα Φασματική Ανάλυση Fourier Σημειακή Προσαρμογή Μοντέλα ARMA Κεντροβαρική Μέση Τιμή Fractal Analysis ε φίλτρο Η μέθοδος των Douglas Peucker Η μέθοδος της ιεραρχικής απλοποίησης του Cromley Αλγόριθμος του Jenks Κάθε μια από τις προαναφερόμενες μεθόδους εφαρμόζεται ανάλογα με τις ανάγκες τις οποίες καλείται ο χαρτογράφος να καλύψει καθώς και τα διαθέσιμα εργαλεία. Η απαιτούμενη υπολογιστική ισχύς για την εφαρμογή της κάθε μεθόδου είναι διαφορετική. Βέβαια με την εξέλιξη της τεχνολογίας, ιδιαίτερα τα τελευταία δέκα χρόνια ζητήματα χρόνου εκτέλεσης και υπολογιστικής ισχύος έχουν σχεδόν εξαλειφθεί. Προφανώς κάποιοι από τους αλγορίθμους και κυρίως αυτοί που είναι πολυπαραμετρικοί όπως για παράδειγμα οι αλγόριθμοι Fractal Analysis ή η ανάλυση σε σειρές Fourier θα απαιτούν για τον ίδιο χρόνο εκτέλεσης με άλλους αλγόριθμους, περισσότερη υπολογιστική ισχύ. Η διαδικασία της χαρτογραφικής γενίκευσης είναι εξελικτική. Συνεχώς δημιουργούνται νέες μέθοδοι και αναπτύσσονται νέοι αλγόριθμοι. Επίσης είναι χαρακτηριστικό ότι πολλές από τις μεθόδους υλοποιούνται από διαφορετικούς αλγόριθμους οι οποίοι όμως έχουν το ίδιο αποτέλεσμα. Σελίδα 139 από 169

140 Κεφάλαιο 5 ο Repast Simphony, Agent Line Generalization Γενίκευση με την χρήση της οπτικής γωνίας Η μέθοδος απαλοιφής σημείων με την χρήση της επιλεγμένης οπτικής γωνίας ανήκει σε μια ευρύτερη κατηγορία μεθόδων χαρτογραφικής γενίκευσης γραμμικών φαινομένων οι οποίες για την λειτουργία τους λαμβάνουν υπό κριτήρια τα διάφορα σημεία μια τεθλασμένης και τα χαρακτηρίζουν ως σημαντικά ή μη σημαντικά ανάλογα με τις συνθήκες εφαρμογής του αλγορίθμου της μεθόδου. Χαρακτηριστικό των μεθόδων αυτών είναι ότι λαμβάνουν την ευθεία ως σύνολο διακριτών σημείων και όχι ως συνεχές γραμμικό φαινόμενο. Το παραπάνω έχει ως αποτέλεσμα οι μέθοδοι αυτές να είναι λιγότερο ακριβείς από άλλες, αλλά να τηρούν το σημαντικό πλεονέκτημα της ταχύτατης εκτέλεσης ακόμα και με μεγάλο όγκο δεδομένων καθώς και τις μικρές σχετικά απαιτήσεις σε υπολογιστική ισχύ. Η μέθοδος της επιλεγμένης οπτικής γωνίας είναι διαισθητική. Στηρίζεται απόλυτα στην εμπειρία και το μάτι του χαρτογράφου ή του χειριστή που θα την εφαρμόσει.. Το τελικό αποτέλεσμα αποτελεί προϊόν μιας διαδικασίας ανάδρασης. Έτσι μπορεί μεν να είναι γρήγορη στην εφαρμογή και εκτέλεση της, αλλά δεν υπάρχουν κανόνες οι οποίοι θα εφαρμοστούν υπολογιστικά επί του αποτελέσματος. Συνεπώς αυτό μπορεί να αλλάξει πολλές φορές μέχρι να προκύψει το τελικό, η ποιότητα του οποίου συναρτάται άμεσα με την εμπειρία του χαρτογράφου. Για την εφαρμογή της μεθόδου απαιτείται να οριστεί από τον χρήστη μία γωνία η οποία θα αποτελέσει και το κριτήριο σημαντικότητας των διάφορων σημείων της τεθλασμένης. Η διαδικασία της μεθόδου είναι τμηματική. Στο πρώτο βήμα το οπτικό πεδίο τοποθετείται στο πρώτο σημείο της τεθλασμένης με τρόπο ώστε να διχοτομείται από το ευθύγραμμο τμήμα το οποίο σχηματίζεται μεταξύ του πρώτου και του δεύτερου σημείου της τεθλασμένης. Εάν το τρίτο σημείο της γραμμής βρίσκεται εντός της περιοχής η οποία ορίζεται από τις πλευρές της γωνίας του οπτικού πεδίου τότε χαρακτηρίζεται ως μη σημαντικό και στο τέλος της διαδικασίας θα απαλοιφεί [Εικόνα 28]. Η διαδικασία επαναλαμβάνεται τοποθετώντας την κορυφή του οπτικού πεδίου διαδοχικά σε όλα τα σημεία της τεθλασμένης. Προφανώς δεν τοποθετείται στο τελευταίο σημείο της ευθείας καθώς δεν πρόκειται να προκύψει κάτι από αυτό. Εδώ πρέπει να τονιστεί Σελίδα 140 από 169

141 Κεφάλαιο 5 ο Repast Simphony, Agent Line Generalization το γεγονός ότι για της εφαρμογή της μεθόδου απαιτείται η τεθλασμένη να αποτελείται το λιγότερο από τέσσερις (4) κορυφές. Το παραπάνω γίνεται εμφανές από το γεγονός ότι όταν η κορυφή του οπτικού πεδίου τοποθετηθεί στο πρώτο σημείο, αυτομάτως το δεύτερο θεωρείται σημαντικό καθώς χωρίς αυτό δεν δύναται να οριστεί η διχοτόμος. Επίσης αν το τρίτο σημείο είναι και το τελευταίο δεν είναι δυνατόν να απλοποιηθεί καθώς αν συμβεί αυτό τότε η γραμμή θα γενικευθεί κατά τρόπο λανθασμένο (δεν θα τελειώνει εκεί που γεωμετρικά γεωγραφικά θα πρέπει να τελειώνει) με αποτέλεσμα το τελικό προϊόν να είναι εσφαλμένο. Εικόνα 28. Απαλοιφή Σημείων Εφαρμόζοντας την μέθοδο σε διάφορα υποδείγματα τεθλασμένων ο γράφων κατέληξε στο συμπέρασμα ότι αυτή γίνεται ευαίσθητη στο θέμα της σημαντικότητας ενός σημείου όσο το οπτικό πεδίου μικραίνει. Δηλαδή αν χρησιμοποιηθεί μικρό οπτικό πεδίο σε μια τεθλασμένη η οποία έχει έντονες εναλλαγές μεταξύ των κορυφών τότε κατά πάσα πιθανότητα η τεθλασμένη δεν θα απλοποιηθεί ή θα απλοποιηθεί σε πολύ μικρό βαθμό. Σελίδα 141 από 169

142 Κεφάλαιο 5 ο Repast Simphony, Agent Line Generalization Γενικότερα αυτό που παρατηρήθηκε κατά την εφαρμογή της μεθόδου είναι ότι η απλοποίηση της γραμμής εξαρτάται άμεσα από την επιλογή του εύρους του οπτικού πεδίου σε συνδυασμό με την γεωμετρία της γραμμής. Διαδοχικές εφαρμογές του αλγορίθμου απέδειξαν ότι ακόμα και σε τεθλασμένες με έντονη γεωμετρία, όταν χρησιμοποιήθηκε μεγάλο εύρος στο οπτικό πεδίο υπήρξε και έντονη απλοποίηση με παραδείγματα στα οποία από είκοσι πέντε (25) αρχικές κορυφές η τεθλασμένη να καταλήξει με έξι (6) ή λιγότερες στο τέλος. 3.3 Πράκτορες και Μέθοδος του Οπτικού Πεδίου Σκοπός της παρούσας μεταπτυχιακής διατριβής είναι η επαφή με και η κατανόηση του τρόπου με τον οποίο είναι δυνατόν να εφαρμοστεί και να λειτουργήσει η Τεχνητή Νοημοσύνη σε κάποια από τις μορφές τις μέσα στον χώρο των Συστημάτων Γεωγραφικών Πληροφοριών και της Χαρτογραφίας. Με γνώμονα αυτό κατασκευάστηκε μια εφαρμογή η οποία φέρει τα χαρακτηριστικά ενός πράκτορα λογισμικού, σε ένα πακέτο Σ.Γ.Π. όπου εφαρμόζεται μια μέθοδος χαρτογραφικής γενίκευσης. Ο τύπος πράκτορα ο οποίος χρησιμοποιήθηκε για την εργασία αυτή είναι ο Simple Reflex Agent ο οποίος εφαρμόζεται σε ένα χαρτογραφικό περιβάλλον το οποίο μεταβάλλεται κατά κλίμακα με αποτέλεσμα να πυροδοτείται η αντίδραση του πράκτορα η οποία έχει ως αποτέλεσμα την απλοποίηση των τεθλασμένων γραμμών που αποτελούν το περιβάλλον αυτού Ο Πράκτορας Η εφαρμογή της Τεχνητής Νοημοσύνης στο παράδειγμα της εργασίας αυτής είναι ένας πράκτορας ο οποίος σύμφωνα με τους ορισμούς που έχουν δοθεί σε προηγούμενα κεφάλαια καλείται Simple Reflex Agent. Ο τρόπος με τον οποίο λειτουργεί ο Simple Reflex Agent έχει περιγραφεί στο Κεφάλαιο 1. Σύμφωνα με αυτό ο Simple Reflex Agent που χρησιμοποιείται για την εφαρμογή αυτή αποτελείται από τα παρακάτω μέρη: Σελίδα 142 από 169

143 Κεφάλαιο 5 ο Repast Simphony, Agent Line Generalization Αισθητήρες και Δραστηριοποιούς Ο Κανόνας Κατάστασης Δράσης ο οποίος ουσιαστικά είναι ένας Κανόνας Εάν Τότε μορφοποιείται στην προκειμένη περίπτωση για ένα περιβάλλον το οποίο είναι ένας χάρτης (ψηφιακό σχέδιο) στο οποίο συμβαίνουν μεταβολές κλίμακας. Άρα η δράση του πράκτορα εξαρτάται από την μεταβολή της κλίμακας η οποία είναι μεταβολή της κατάστασης του περιβάλλοντος στο οποίο δραστηριοποιείται ο πράκτορας. Η δράση του πράκτορα στην αλλαγή της κλίμακας είναι η εφαρμογή μιας μεθόδου απλοποίησης γραμμικών φαινόμενων η οποία είναι μεν ανεξάρτητη της κλίμακας αλλά την λαμβάνει υπόψη ως παράγοντα στην απλοποίηση καθώς αποτελεί παράμετρο για τον χάρτη που θα παραχθεί. Ο Κανόνας Κατάστασης Δράσης λοιπόν, λαμβάνει την παρακάτω μορφή: ΕΑΝ: αλλαγή κλίμακας ΤΟΤΕ: απλοποίηση Ο πράκτορας λοιπόν είναι ένα κομμάτι λογισμικού το οποίο στην προκειμένη περίπτωση κατοικεί στο ψηφιακό σχέδιο το οποίο είναι το περιβάλλον το οποίο αντιλαμβάνεται ο πράκτορας. Μόλις για οποιονδήποτε λόγο εκτελεστεί από το πακέτο σχεδίασης μια εντολή η οποία μεταβάλλει την κλίμακα υπό την οποία προβάλλονται τα δεδομένα τότε ο πράκτορας αντιδρά με αποτέλεσμα να εφαρμόζεται μια μέθοδος χαρτογραφικής γενίκευσης στα δεδομένα η οποία παρουσιάζεται με την μορφή της επιλεγμένης οπτικής γωνίας. Σελίδα 143 από 169

144 Κεφάλαιο 5 ο Repast Simphony, Agent Line Generalization Η Δομή του Πράκτορα 1. Αισθητήρες Τα αισθητήρια όργανα του πράκτορα είναι ένα σύνολο εντολών οι οποίες είναι κατασκευασμένες κατά τέτοιο τρόπο ώστε ανάλογα με την φύση τους να αντιλαμβάνονται τις αλλαγές που εκτελούνται στο σχεδιαστικό πακέτο και την επίδραση αυτών στο σχέδιο. 2. Δραστηριοποιοί Το σύνολο εκείνων των δομών οι οποίες αναλαμβάνουν να δράσουν όταν οι αισθητήρες αντιληφθούν ότι υφίσταται αλλαγή στο σχέδιο η φύση της οποίας απαιτεί αντίστοιχη δράση. Οι δομές αυτές για την συγκεκριμένη εφαρμογή καλούνται Reactors. Στην προκειμένη περίπτωση η γλώσσα προγραμματισμού οι οποία χρησιμοποιήθηκε, η VisuaLisp[23] παρέχει τις δομές αυτές και η λειτουργία τους παρουσιάζεται παρακάτω [Διάγραμμα 2]: O τύπος του Reactor Το Γεγονός Δεδομένα Εφαρμογής (Το όνομα του Reactor) Εκτελούμενη Συνάρτηση (vlr-dwg-reactor Save Finished `((:vlrsavecomplete. SavedDWGInfo))) Γεγονός Reactor Εκτελούμενη Συνάρτηση Διάγραμμα 2. Η δομή και λειτουργία ενός Reactor Σελίδα 144 από 169

145 Κεφάλαιο 5 ο Repast Simphony, Agent Line Generalization Ο τρόπος κατά τον οποίο λειτουργούν οι Reactors δίνεται στο παράδειγμα που φαίνεται στο παραπάνω διάγραμμα. Αυτό που συμβαίνει είναι να καλείται αρχικά ο τύπος του Reactor που θα χρησιμοποιηθεί. Ανάλογα με τις ανάγκες του προγράμματος και του αυτοματισμού που απαιτείται επιλέγεται και ο κατάλληλος τύπος. Στην περίπτωση της εργασίας επιλέχτηκε ο τύπος του Reactor ο οποίος παρακολουθεί για την ολοκλήρωση εκτέλεσης εντολών και καλείται vlr command reactor. Όλοι οι Reactors ενεργοποιούνται από το γεγονός με το οποίο είναι συνδεδεμένοι. Εδώ αυτός που χρησιμοποιήθηκε είναι συνδεδεμένος με το γεγονός της ολοκλήρωσης της εκτέλεσης μιας εντολής. Η δυνατότητα προγραμματισμού των Reactors επιτρέπει την παραμετροποίηση της λειτουργίας τους με τρόπο ώστε να μην αντιδρούν πάντα. Ο συγκεκριμένος Reactor προγραμματίστηκε κατά τρόπο ώστε να αντιδρά όταν ολοκληρώνεται η εκτέλεση μιας εντολής η οποία μεταβάλλει την κλίμακα υπό την οποία προβάλλονται τα διάφορα στοιχεία στην οθόνη. Δεν είναι απαραίτητο η κλίμακα αυτή να είναι κλίμακα εκτύπωσης. Για να κατασκευαστεί το παράδειγμα χρησιμοποιήθηκε η εντολή ZOOM σε συνδυασμό με την κλίμακα. Ως γνωστό στα σχεδιαστικά πακέτα η εντολή ZOOM (IN / OUT) δεν μεταβάλλει την πραγματική κλίμακα των δεδομένων αλλά μόνο μια φαινομενική κλίμακα υπό την οποία αυτά προβάλλονται στην οθόνη. Παρόλα αυτά το πρόγραμμα εκμεταλλεύεται την δυνατότητα της εντολής αυτής να ορίσει κλίμακα προβολής. Έτσι με την εκτέλεση της συγκεκριμένης εντολής ο Reactor, ο οποίος με τον τρόπο που προγραμματίστηκε αποτελεί μέρος του πράκτορα, αντιδρά και καλεί την συνάρτηση εκείνη η οποία θα εκτελέσει μια χαρτογραφική γενίκευση στο σχέδιο για την δεδομένη κλίμακα. Η εκτέλεση της εντολής και το αποτέλεσμα της είναι το αποτέλεσμα της αντίδρασης του πράκτορα στην μεταβολή του χαρτογραφικού περιβάλλοντος. Σελίδα 145 από 169

146 Κεφάλαιο 5 ο Repast Simphony, Agent Line Generalization Σε συμφωνία με το παραπάνω διάγραμμα ο Reactor της εφαρμογής παρουσιάζεται ως εξής [Διάγραμμα 3]: O τύπος του Reactor Το Γεγονός Δεδομένα Εφαρμογής (δεν είναι απαραίτητο) Εκτελούμενη Συνάρτηση (vlr-command-reactor nil `((:vlr-commandended. endcommand))) Γεγονός Reactor Εκτελούμενη Συνάρτηση Διάγραμμα 3. Command Reactor Όπως παρουσιάζεται στο Διάγραμμα 3 ο Reactor θα εκτελέσει την συνάρτηση με την οποία είναι συνδεδεμένος όταν ολοκληρωθεί οποιαδήποτε εντολή. Ένα έλεγχος IF THEN ELSE επιτρέπει την αλλαγή της πορείας εκτέλεσης του Reactor μόνο όταν η εντολή η οποία εκτελέστηκε όπως προκύπτει από τα δεδομένα της εκτέλεσης του Reactor είναι η ZOOM. Η συνάρτηση η οποία εκτελείται στην συνέχεια μέσα από την κλήση του Reactor είναι αυτή η οποία αναλαμβάνει την χαρτογραφική γενίκευση. Η συνάρτηση η οποία εκτελείται έχει δύο βασικά χαρακτηριστικά: Για την λειτουργία της λαμβάνει υπόψη υπόδειγμα το οποίο παρέχεται από τον χρήστη, με το οποίο στην συνέχεια συγκρίνονται οι άλλες σχεδιαστικές οντότητες. Αν αυτές βάσει των κριτηρίων που τίθενται από το υπόδειγμα κριθούν κατάλληλες τότε εφαρμόζεται η απλοποίηση. Σελίδα 146 από 169

147 Κεφάλαιο 5 ο Repast Simphony, Agent Line Generalization Η επιλογή του εύρους του οπτικού πεδίου η οποία είναι μια διαισθητική διαδικασία γίνεται αυτόματα από την εφαρμογή με βάση κριτήρια τα οποία έχουν να κάνουν με την κατάσταση της γραμμής, την γεωμετρία της και άλλα. εφαρμογής. Τα χαρακτηριστικά αυτά σχολιάζονται παρακάτω στο κεφάλαιο εκτέλεσης της Το Περιβάλλον Όπως κατέστη σαφές και από το πρώτο κεφάλαιο, χαρακτηριστικό των πρακτόρων Simple Reflex είναι η απλή κατασκευή και λειτουργία τους που συνεπάγεται σε μειωμένη νοημοσύνη. Ο Simple Reflex Agent θα αποδώσει αποτέλεσμα το οποίο θα προκύψει από την δράση του πράκτορα μόνο βάσει του δεδομένου ερεθίσματος που αυτός αντιλαμβάνεται. Από τα παραπάνω συνεπάγεται ότι το περιβάλλον στο οποίο δρα ο Simple Reflex Agent χαρακτηρίζεται ως πλήρως παρατηρήσιμο. Με την χρήση αυτού του τύπου περιβάλλοντος αποφεύγονται καταστάσεις όπως οι αέναοι βρόγχοι. Το περιβάλλον στο οποίο δρα ο πράκτορας όπως κατασκευάστηκε για την συγκεκριμένη εφαρμογή είναι ένα ψηφιακό σχέδιο. Από την στιγμή που ο πράκτορας που μελετάται είναι SRA (Simple Reflex Agent) θα πρέπει το περιβάλλον, δηλαδή το σχέδιο, να είναι πλήρως παρατηρήσιμο. Τι σημαίνει όμως για το σχέδιο ότι είναι πλήρως παρατηρήσιμο σαν περιβάλλον. Αρχικά πρέπει να γίνει μια αντιπαραβολή της κατάστασης του σχεδίου με τον όρο του πλήρως παρατηρήσιμου περιβάλλοντος. Ο πράκτορας φορτώνεται σαν πρόγραμμα στην μνήμη. Οι αισθητήρες του, οι οποίο κωδικοποιούνται μέσα στην δομή των Reactors όπως αυτοί περιγράφηκαν παραπάνω, παρακολουθούν συνέχεια το περιβάλλον του σχεδίου, τουλάχιστον όσων αφορά στις μεταβολές εκτέλεσης εντολών. Άρα ο πράκτορας γνωρίζει ανά πάσα στιγμή την κατάσταση του περιβάλλοντος. Από την στιγμή λοιπόν που παρέχεται πλήρης και αδιάκοπη πρόσβαση στην κατάσταση του περιβάλλοντος κάθε χρονική στιγμή τότε αυτό καλείται πλήρως Σελίδα 147 από 169

148 Κεφάλαιο 5 ο Repast Simphony, Agent Line Generalization παρατηρήσιμο. Συνεπώς το ψηφιακό σχέδιο είναι ένα περιβάλλον πλήρως παρατηρήσιμο για τον πράκτορα. Εδώ δεν ενδιαφέρει τον πράκτορα αν μεταβλήθηκε το περιβάλλον κατά τον αριθμό των στοιχείων. Δηλαδή αν προστέθηκε ή αφαιρέθηκε κάτι. Αυτό το οποίο παρατηρείται είναι η μεταβολή στην κλίμακα. Βέβαια εκτός από τις μεταβολές της κλίμακας παρακολουθείται και ο αριθμός των αντικειμένων του σχεδίου. Έτσι ο πράκτορας δεν πρόκειται να αντιδράσει όταν δεν υπάρχουν αντικείμενα στο σχέδιο Τα Στοιχεία του Περιβάλλοντος Το περιβάλλον λειτουργίας του πράκτορα αποτελείται από μια σειρά από αντικείμενα. Τα αντικείμενα αυτά είναι σχεδιαστικά. Γεωμετρικές μορφές οι οποίες εξυπηρετούν κάποιο σκοπό σε έναν χάρτη. Τα στοιχεία αυτά έχουν αποτυπωθεί με γνωστές μεθόδους και έχουν αποδοθεί σε έναν ψηφιακό χάρτη. Αυτά μπορεί να είναι: Κτίρια Ισομετρικές Καμπύλες Ροές Υδάτων Οδικό Δίκτυο Όρια Οικοδομικών Τετραγώνων Ρυμοτομικές Γραμμές Οικοδομικές Γραμμές Διοικητικά Όρια Όρια Υδάτινων Φαινόμενων Επιφανειακά Φαινόμενα (π.χ. Λίμνες) Δίκτυα Κοινής Ωφέλειας (Ρεύμα, Ύδρευση, Αποχέτευση, Φυσικό Αέριο) και άλλα. Σελίδα 148 από 169

149 Κεφάλαιο 5 ο Repast Simphony, Agent Line Generalization Γενικότερα οτιδήποτε είναι δυνατό να αποδοθεί σε έναν χάρτη αποτελεί μέρος του περιβάλλοντος του πράκτορα και άρα βρίσκεται υπό παρακολούθηση. 3.4 Λειτουργία και Εκτέλεση της Εφαρμογής Η εφαρμογή φορτώνεται καλώντας την εντολή Appload του Autocad, με την οποία φορτώνεται στην μνήμη και στο περιβάλλον του Autocad οποιοδήποτε πρόγραμμα έχει κατασκευαστεί για αυτό με την χρήση της VisuaLisp αλλά και άλλων γλωσσών προγραμματισμού που υποστηρίζονται από το πακέτο. Στην συνέχεια καλείται ένα αρχείο το οποίο περιέχει τα στοιχεία τα οποία ενδιαφέρουν τον χρήστη το οποίο υλοποιεί και το περιβάλλον λειτουργίας του πράκτορα. Από την στιγμή που θα φορτωθεί το πρόγραμμα του πράκτορα στην μνήμη και θα κληθεί και το αρχείο σχεδίου το πρόγραμμα είναι έτοιμο να αντιδράσει σε οποιαδήποτε αλλαγή της κλίμακας προβολής. Στην εικόνα [Εικόνα 29] που ακολουθεί φαίνεται το αρχείο το οποίο έχει φορτωθεί και αποτελεί το περιβάλλον του πράκτορα. Για λόγους ευκολίας και ευχρηστίας το αρχείο αποτελείται από ισοϋψείς καμπύλες οι οποίες είναι χωρισμένες σε κυρίες με κόκκινο χρώμα και δευτερεύουσες με κίτρινο. Επίσης τα δύο είδη ισοϋψών καμπύλων είναι τοποθετημένα σε ξεχωριστά σχεδιαστικά επίπεδα τα οποία έχουν ονομαστεί CONT MJR 10 και CONT MNR 10 αντίστοιχα για τις κυρίες και τις δευτερεύουσες. Η ισοδιάσταση των καμπύλων είναι 10μ. Ουσιαστικά πλέον ο πράκτορας βρίσκεται σε συνεχή λειτουργία παρακολουθώντας τις οποιεσδήποτε αλλαγές μπορεί να συμβαίνουν στο περιβάλλον του σχεδίου και θα αντιδράσει όταν θα εκτελεστεί εκείνη η εντολή η οποία θα επιδράσει στην κλίμακα υπό την οποία προβάλλονται τα δεδομένα. Η εντολή αυτή όπως αναφέρεται και στην προηγούμενη παράγραφο είναι η ZOOM. Σελίδα 149 από 169

150 Κεφάλαιο 5 ο Repast Simphony, Agent Line Generalization Εικόνα 29. Το σχέδιο - Περιβάλλον Αλλάζοντας Κλίμακα Η εντολή ZOOM μπορεί να εκτελεστεί με περισσότερους από έναν τρόπους. Μπορεί να εκτελεστεί είτε από τα εργαλεία που παρέχονται από το πακέτο μέσω των εικονιδίων στις αντίστοιχες μπάρες εργασίας, μπορεί να εκτελεστεί πληκτρολογώντας στον χώρο των εντολών την λέξη ZOOM, αρκεί η κίνηση roll του ποντικιού και άλλες. Κάνοντας διπλό κλικ στο διάλογο της κλίμακα είναι δυνατόν να εκτελεστεί η εντολή ZOOM και να φέρει το σχέδιο υπό κλίμακα προβολής όπως θα ζητηθεί [Εικόνα 30]. Μόλις ολοκληρωθεί η εκτέλεση της εντολής, η οποία παρακολουθείται από τους αισθητήρες, και το σχέδιο έρθει στην επιθυμητή κλίμακα τότε ο Reactor θα λάβει υπόψη του το γεγονός το οποίο συνέβη και που συνδέεται με την εκτέλεση της αντίστοιχης ρουτίνας η οποία θα έχει ως αποτέλεσμα την εφαρμογή χαρτογραφικής γενίκευσης στο σχέδιο. Σελίδα 150 από 169

151 Κεφάλαιο 5 ο Repast Simphony, Agent Line Generalization Εικόνα 30. Επιλογή Κλίμακας Προβολής Το πρώτο ερώτημα με το οποίο έρχεται αντιμέτωπος ο χρήστης είναι η επιλογή του αντικειμένου εκείνου το οποίο θα χρησιμεύσει ως παράδειγμα για σύγκριση με τις υπόλοιπες οντότητες του σχεδίου έτσι ώστε να γίνει σε αυτές απλοποίηση ή όχι [Εικόνα 31]. Για το παράδειγμα ο πράκτορας λαμβάνει υπόψη του στοιχεία όπως χρώμα, σχεδιαστικό επίπεδο, τύπος τεθλασμένης γραμμής και τα λοιπά. Όταν τα στοιχεία αυτά μια οντότητας ταιριάζουν με τα αντίστοιχα στοιχεία του παραδείγματος σε ποσοστό άνω του 50% τότε η οντότητα θεωρείται ότι είναι παρόμοιο αντικείμενο και έτσι απλοποιείται. Το ποσοστό ορίστηκε έτσι ώστε να μην απορριφθεί μια οντότητα επειδή για παράδειγμα έχει διαφορετικό χρώμα από το παράδειγμα. Επίσης οι διάφορες παράμετροι έχουν λάβει και βάρη έτσι ώστε να υπάρχει και τρόπος εξαγωγής ποσοστού ομοιότητας βάσει των δεδομένων του κάθε αντικειμένου. Σελίδα 151 από 169

152 Κεφάλαιο 5 ο Repast Simphony, Agent Line Generalization Εικόνα 31. Επιλογή του παραδείγματος Τα παραπάνω εφαρμόζονται βέβαια εφόσον το σχέδιο το οποίο φορτώθηκε έχει μέσα σχεδιαστικά αντικείμενα τα οποία αναγνωρίζονται από τον πράκτορα. Σε περίπτωση που το σχέδιο δεν έχει αντικείμενα τότε δεν εκτελείται καμιά διαδικασία απλοποίησης ούτε υπάρχει αντίδραση από τον πράκτορα. Σελίδα 152 από 169

153 Κεφάλαιο 5 ο Repast Simphony, Agent Line Generalization Εικόνα 32. Εκτέλεση σε μια γραμμή Στο παραπάνω παράδειγμα σε μια γραμμή φαίνεται η εκτέλεση του προγράμματος. Με μπλε παρουσιάζεται η αρχική γραμμή και με κόκκινο η τελική. Καθίσταται εμφανές ότι παρουσιάζει κάποια σφάλματα τα οποία οφείλονται κυρίως σε αδυναμία της προγραμματισμένης μεθόδου. Η εφαρμογή παρέχει την δυνατότητα σε περίπτωση που υπάρχουν σφάλματα τα οποία δεν είναι αποδεκτά να εκτελεστεί η διαδικασία της απλοποίησης καθοδηγούμενη από τον χρήστη με επιλογή του οπτικού πεδίου από τον ίδιο Ενδιάμεσες Ενέργειες Με τον όρο ενδιάμεσες ενέργειες ορίζονται όλες εκείνες οι διαδικασίες οι οποίες εκτελούνται χωρίς να ενοχλείται από αυτές ο χρήστης. Αυτές είναι οι παρακάτω: Σελίδα 153 από 169

154 Κεφάλαιο 5 ο Repast Simphony, Agent Line Generalization Αποθήκευση του αρχείου με νέο όνομα και στην τοποθεσία που είναι αποθηκευμένο το αρχικό. Αυτό γίνεται διότι η διαδικασία μπορεί να παράγει εσφαλμένα αποτελέσματα καθώς δεν αποτελεί ένα τελειοποιημένο σύστημα αλλά μια προσέγγιση του τρόπου με τον οποίο λειτουργεί ένα SRA. Έλεγχος των μεταβλητών των μονάδων μέτρησης του περιβάλλοντος και επιλογή αυτών που είναι πιο εύχρηστες για τους υπολογισμούς. Μετά την ολοκλήρωση της εκτέλεσης της γενίκευσης επιστροφή των μεταβλητών του περιβάλλοντος στις αρχικές τους τιμές. Έτσι ώστε να μην υπάρξουν προβλήματα με σχέδια που μπορεί να έχει δημιουργήσει ο χρήστης με τις δικές του ρυθμίσεις. Δημιουργία τόξων για το οπτικό πεδίο και έλεγχος τομών μεταξύ ευθυγράμμων τμημάτων για τον ορισμό των Σημαντικών και Μη Σημαντικών Σημείων της μεθόδου. Μετατροπές από rad σε grads και αντίστροφα για την ικανοποίηση των παραμέτρων των διάφορων συναρτήσεων. Εκκαθάριση του σχεδίου από γραμμές και αντικείμενα των οποίων το μέγεθος δεν επιτρέπει την εκτύπωση τους στην δεδομένη κλίμακα. Έλεγχος αριθμού κορυφών τεθλασμένης. Επιλογή του Εύρους του Οπτικού Πεδίου συναρτήσει της γεωμετρίας της τεθλασμένης. Σελίδα 154 από 169

155 Κεφάλαιο 5 ο Repast Simphony, Agent Line Generalization Επιλογή του Εύρους του Οπτικού Πεδίου Για να λειτουργήσει η μέθοδος πρέπει να επιλεγεί μια τιμή για το εύρος του οπτικού πεδίου. Η τιμή αυτή είναι γωνιακό μέγεθος. Βάσει του εύρους αυτού ένα σημείο κρίνεται αν είναι σημαντικό ή μη σημαντικό οπότε και αντίστοιχα διατηρείται η διαγράφεται. Η επιλογή της τιμής αυτής κανονικά γίνεται από τον χρήστη. Στην προκειμένη περίπτωση την επιλογή την κάνει το πρόγραμμα. Η μέθοδος η οποία επιλέχθηκε για την προσέγγιση της τιμής είναι ένας συνδυασμός μιας αρχικής τιμής για το εύρος και η εφαρμογή της παλινδρόμησης ελαχίστων τετραγώνων για την τεθλασμένη. Ο συντελεστής συσχέτισης που προκύπτει δίνει το πόσο κοντά στην ευθεία είναι η γραμμή προς μελέτη. Ανάλογα με το ποσοστό επιλέγεται και μια τιμή για το εύρος. Γενικότερα η μέθοδος έχει κατασκευαστεί έτσι ώστε να αποφεύγονται, για το εύρος, ακραίες τιμές χωρίς αυτό να είναι ανεπίτρεπτο. Οι ακραίες τιμές άλλωστε μπορεί να οδηγήσουν σε υπεραπλοποίηση της τεθλασμένης ή σε μηδενική απλοποίηση αυτής. Χαρακτηριστικό της εφαρμογής είναι ότι για κάθε γραμμή επιλέγεται διαφορετική τιμή για το εύρος του οπτικού πεδίου. Αυτό είναι και ένας λόγος για τον οποίο παρέχεται η δυνατότητα παρέμβασης του χρήστης έτσι ώστε να διορθωθούν σφάλματα ανομοιομορφίας που μπορεί να προκύψουν λόγω αυτής της ιδιαιτερότητας. Η διαφορά αυτή φαίνεται στις παρακάτω δύο εικόνες. Στην πρώτη εικόνα [Εικόνα 33] παρουσιάζεται το αποτέλεσμα της αυτόματης εκτέλεσης και στην δεύτερη [Εικόνα 34] το αποτέλεσμα της επιλογής του χρήστη. Είναι ορατή η διαφορά μεταξύ της διαίσθησης του χρήστη και της διαίσθησης του προγράμματος. Το συγκεκριμένο παράδειγμα κατασκευάστηκε κατά τέτοιο τρόπο ώστε να φανεί αυτή η αδυναμία η οποία αντιμετωπίζεται με την επιλογή μικρότερης αρχικής τιμής για το εύρος του πεδίου. Σελίδα 155 από 169

156 Κεφάλαιο 5 ο Repast Simphony, Agent Line Generalization Εικόνα 33. Αυτόματη Εκτέλεση Εικόνα 34. Εκτέλεση από τον χρήστη Σελίδα 156 από 169