ΠΛΗ 405 Τεχνητή Νοηµοσύνη 2006. Ε ανάληψη. δοµή δεδοµένων για κατασκευή ευρετικών συναρτήσεων Ο αλγόριθµος GraphPlan



Σχετικά έγγραφα
ΠΛΗ 405 Τεχνητή Νοηµοσύνη

Σχεδιασµός και δράση στον πραγµατικό κόσµο

ΠΛΗ 405 Τεχνητή Νοηµοσύνη

Ε ανάληψη. Α ληροφόρητη αναζήτηση

Ε ανάληψη. Ορισµοί της Τεχνητής Νοηµοσύνης (ΤΝ) Καταβολές. Ιστορική αναδροµή. Πράκτορες. Περιβάλλοντα. κριτήρια νοηµοσύνης

ΠΛΗ 405 Τεχνητή Νοηµοσύνη

Ε ανάληψη. Χρόνος και όροι. Ιεραρχία. ΠΛΗ 405 Τεχνητή Νοηµοσύνη χρονοπρογραµµατισµός εργασιών. ιεραρχικά δίκτυα εργασιών

ΠΛΗ 405 Τεχνητή Νοηµοσύνη

Σχεδιασµός. Planning. Το πρόβληµα τουσχεδιασµού

Ε ανάληψη. Παιχνίδια παιχνίδια ως αναζήτηση. Βέλτιστες στρατηγικές στρατηγική minimax. Βελτιώσεις κλάδεµα α-β

ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ

ΠΛΗ 405 Τεχνητή Νοηµοσύνη

ΠΛΗ 405 Τεχνητή Νοηµοσύνη Ε ανάληψη. πεπερασµένα χρονικά περιθώρια ανά κίνηση. απευθείας αξιολόγηση σε ενδιάµεσους κόµβους

ΠΛΗ 405 Τεχνητή Νοηµοσύνη

Πληροφοριακά Συστήματα Διοίκησης Ενότητα 9: Διαχείριση Έργων (1ο Μέρος)

Πληροφοριακά Συστήματα Διοίκησης (ΜΒΑ) Ενότητα 4: Διαχείριση Έργων

Εξελιγµένες Τεχνικές Σχεδιασµού

1 η Άσκηση στο Χρονοπρογραμματισμό Έργων

Αλγόριθµοι Εκτίµησης Καθυστέρησης και

Ε ανάληψη. Καταβολές. Ιστορική αναδροµή. Πράκτορες. Περιβάλλοντα. συνεισφορά άλλων επιστηµών στην ΤΝ σήµερα

ΕΚΠ 413 / ΕΚΠ 606 Αυτόνοµοι (Ροµ οτικοί) Πράκτορες

Κεφάλαιο 4ο: Δικτυωτή Ανάλυση

ΔΙΑΧΕΙΡΙΣΗ ΕΡΓΟΥ PROJECT MANAGEMENT

ΠΜΣ "Παραγωγή και ιαχείριση Ενέργειας" ιαχείριση Ενέργειας και ιοίκηση Έργων

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΠΜΣΕ ΣΤΗΝ ΕΦΑΡΜΟΣΜΕΝΗ ΠΛΗΡΟΦΟΡΙΚΗ

ΕΚΠ 413 / ΕΚΠ 606 Αυτόνοµοι (Ροµ οτικοί) Πράκτορες

ΕΚΠ 413 / ΕΚΠ 606 Αυτόνοµοι (Ροµ οτικοί) Πράκτορες

02α Διαχείριση Έργων Λογισμικού

ΑΕΠΠ Ερωτήσεις θεωρίας

Υπολογιστικό Πρόβληµα

«Διαχείριση Έργων στη Δημόσια Διοίκηση» Ενότητα 6: Τεχνικές παρακολούθησης (μέρος 1ο) ΕΙΔΙΚΗΣ ΦΑΣΗΣ ΣΠΟΥΔΩΝ 24η ΕΚΠΑΙΔΕΥΤΙΚΗ ΣΕΙΡΑ

Ε ανάληψη. Προβλήµατα ικανο οίησης εριορισµών. ορισµός και χαρακτηριστικά Ε ίλυση ροβληµάτων ικανο οίησης εριορισµών

Επίλυση προβληµάτων. Αλγόριθµοι Αναζήτησης

Διοίκηση Έργων Πληροφορικής Εργαστήριο 2. Μακρή Ελένη-Λασκαρίνα

ιαµέριση - Partitioning

Επίλυση συµβολικών προβληµάτων σχεδιασµού ενεργειών

Διαχείριση Έργων Πληροφορικής

Επεξεργασία Ερωτήσεων

Τεχνολογία Λογισμικού

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ

Περιγραφή Προβλημάτων

ΚΕΦΑΛΑΙΟ Μηχανική Μάθηση

Κεφάλαιο 1. Πέντε Αντιπροσωπευτικά Προβλήματα. Έκδοση 1.4, 30/10/2014. Χρησιμοποιήθηκε υλικό από τις αγγλικές διαφάνειες του Kevin Wayne.

ΠΛΗ 405 Τεχνητή Νοηµοσύνη

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΙΑΤΜΗΜΑΤΙΚΟ ΠΜΣ «ΜΑΘΗΜΑΤΙΚΑ ΤΩΝ ΥΠΟΛΟΓΙΣΤΩΝ & ΤΩΝ ΑΠΟΦΑΣΕΩΝ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ η Σειρά Ασκήσεων ΑΠΑΝΤΗΣΕΙΣ

Ε ανάληψη. Ε αναλαµβανόµενες καταστάσεις. Αναζήτηση µε µερική ληροφόρηση. Πληροφορηµένη αναζήτηση. µέθοδοι αποφυγής

2 ΕΙΣΑΓΩΓΙΚΕΣ ΕΝΝΟΙΕΣ ΙΟΙΚΗΣΗΣ ΕΡΓΩΝ

Στοιχεία Αλγορίθµων και Πολυπλοκότητας

Τμήμα Μηχανικών Πληροφορικής ΤΕ Δυϊκότητα. Γκόγκος Χρήστος ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα. τελευταία ενημέρωση: 1/12/2016

9 ΕΝΑ ΣΥΝΟΛΙΚΟ ΠΑΡΑ ΕΙΓΜΑ

Κεφάλαιο 4. Άπληστοι Αλγόριθµοι (Greedy Algorithms) Χρησιµοποιήθηκε υλικό από τις αγγλικές διαφάνειες του Kevin Wayne.

Απλοποιεί τα γεγονότα έτσι ώστε να περιγράφει τι έχει γίνει και όχι πως έχει γίνει.

Q 12. c 3 Q 23. h 12 + h 23 + h 31 = 0 (6)

Ο επόμενος πίνακας παρουσιάζει τις δραστηριότητες ενός έργου, τις σχέσεις μεταξύ τους, καθώς και τη διάρκειά τους σε εβδομάδες.

Ποσοτικές Μέθοδοι στη Διοίκηση Επιχειρήσεων ΙΙ Σύνολο- Περιεχόμενο Μαθήματος

Ανάπτυξη Εφαρµογών σε Προγραµµατιστικό Περιβάλλον

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ

4.6 Critical Path Analysis (Μέθοδος του κρίσιμου μονοπατιού)

Τεχνητή Νοημοσύνη (ΥΠ23) 6 ο εξάμηνο Τμήμα Πληροφορικής και Τηλεματικής Χαροκόπειο Πανεπιστήμιο Ουρανία Χατζή

Επίλυση Προβλημάτων 1

Αλγόριθµοι και Πολυπλοκότητα

Χρονικός Προγραμματισμός Έργων Project Scheduling. Κέντρο Εκπαίδευσης ΕΤΕΚ 69 Δρ. Σ. Χριστοδούλου και Δρ. Α. Ρουμπούτσου

Προσεγγιστικοί Αλγόριθμοι για NP- ύσκολα Προβλήματα

ΥΣ02 Τεχνητή Νοημοσύνη Χειμερινό Εξάμηνο

ΕΦΑΡΜΟΓΕΣ ΔΙΟΙΚΗΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ

Εισαγωγή στην. Εισαγωγή Σ Β. Αρχεία ευρετηρίου Κατάλογος. συστήματος. Αρχεία δεδομένων

ΕΝΟΤΗΤΑ 6. ΜΕΘΟΔΟΣ ΚΡΙΣΙΜΗΣ ΔΙΑΔΡΟΜΗΣ. Κατερίνα Αδάμ, Μ. Sc., PhD Eπίκουρος Καθηγήτρια

Πανεπιστήµιο Αιγαίου Τµήµα Μηχανικών Πληροφοριακών και Επικοινωνιακών Συστηµάτων. 3η Άσκηση Logical Effort - Ένα ολοκληρωµένο παράδειγµα σχεδίασης

Σύνθεση Data Path. ιασύνδεσης. Μονάδες. Αριθµό Μονάδων. Τύπο Μονάδων. Unit Selection Unit Binding. λειτουργιών σε. Μονάδες. Αντιστοίχιση µεταβλητών &

Ποσοτική Ανάλυση Επιχειρηματικών Αποφάσεων Προγραμματισμός ιαχείριση Έργων. Μέρος B

Προσεγγιστικοί Αλγόριθμοι για NP- ύσκολα Προβλήματα

Βελτιστοποίηση κατανομής πόρων συντήρησης οδοστρωμάτων Πανεπιστήμιο Πατρών - Πολυτεχνική Σχολή Τμήμα Πολιτικών Μηχανικών

ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΠΕΡΣΕΦΟΝΗ ΠΟΛΥΧΡΟΝΙΔΟΥ ΤΜΗΜΑ ΛΟΓΙΣΤΙΚΗΣ ΤΕ

2. ΣΥΓΚΕΝΤΡΩΤΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΠΑΡΑΓΩΓΗΣ

Πανεπιστήµιο Πατρών Τµήµα ιοίκησης Επιχειρήσεων. Ανδρέας Νεάρχου 2

ΜΕΘΟΔΟΙ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗΣ ΑΠΟΙΚΙΑΣ ΜΥΡΜΗΓΚΙΩΝ ANT COLONY OPTIMIZATION METHODS

Αναγνώριση Προτύπων Ι

Το κείμενο που ακολουθεί αποτελεί επεξεργασία του πρωτότυπου κειμένου του Α. Κάστωρ για την επίλυση των παραδειγμάτων κρίσιμης αλυσίδας που

ΠΛΗ 405 Τεχνητή Νοηµοσύνη

Επεξεργασία Ερωτήσεων

ΠΛΗ 405 Τεχνητή Νοηµοσύνη Ε ανάληψη. Προβλήµατα ικανο οίησης εριορισµών ορισµός και χαρακτηριστικά

για NP-Δύσκολα Προβλήματα

ΠΕΡΙΕΧΟΜΕΝΑ. Πρόλογος στη δεύτερη έκδοση

Ανάλυση Χρόνου, Πόρων & Κόστους

ΠΕΡΙΕΧΟΜΕΝΑ ΔΙΟΙΚΗΣΗ ΛΕΙΤΟΥΡΓΙΩΝ. Διοίκηση και Προγραμματισμός Έργων

ΧΡΟΝΟ-ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΠΑΡΑΓΩΓΗΣ

Μελετάμε την περίπτωση όπου αποθηκεύουμε ένα (δυναμικό) σύνολο στοιχειών. Ένα στοιχείο γράφεται ως, όπου κάθε.

ΠΑΡΑΛΛΗΛΗ ΕΠΕΞΕΡΓΑΣΙΑ

Βιβλιογραφικές και ιστορικές σηµειώσεις Ασκήσεις Προβλήµατα Ικανοποίησης Περιορισµών

Δικτυακή Αναπαράσταση Έργων (Δίκτυα ΑΟΑ και ΑΟΝ) & η Μέθοδος CPM. Λυμένες Ασκήσεις & Παραδείγματα

Ε ανάληψη. Παιχνίδια τύχης. Παιχνίδια ατελούς ληροφόρησης. Λογικοί ράκτορες. ΠΛΗ 405 Τεχνητή Νοηµοσύνη αναζήτηση expectiminimax

Διοίκηση Έργων Πληροφορικής. Διάλεξη 7 η : Ανάθεση σε Ανθρώπινο Δυναµικό

Περιεχόµενα. ΜΕΡΟΣ Α: Επίλυση Προβληµάτων... 17

Επεξεργασία Ερωτήσεων

ΠΛΗ 405 Τεχνητή Νοηµοσύνη

ΔΙΟΙΚΗΣΗ ΕΠΙΧΕΙΡΗΣΕΩΝ & ΟΡΓΑΝΙΣΜΩΝ ΔΕΟ 11-ΕΙΣΑΓΩΓΗ ΣΤΗ ΔΙΟΙΚΗΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ & ΟΡΓΑΝΙΣΜΩΝ 3 Η ΓΡΑΠΤΗ ΕΡΓΑΣΙΑ ΟΝΟΜΑΤΕΠΩΝΥΜΟ ΦΟΙΤΗΤΗ ΑΜ.

ΕΚΠ 413 / ΕΚΠ 606 Αυτόνοµοι (Ροµ οτικοί) Πράκτορες

Το εσωτερικό ενός Σ Β

Εισαγωγή. Γενική Εικόνα του Μαθήµατος. Το εσωτερικό ενός Σ Β. Εισαγωγή. Εισαγωγή Σ Β Σ Β. Αρχεία ευρετηρίου Κατάλογος συστήµατος Αρχεία δεδοµένων

Transcript:

ΠΛΗ 405 Τεχνητή Νοηµοσύνη Σχεδιασµός και ράση στον Πραγµατικό Κόσµο Τµήµα Ηλεκτρονικών Μηχανικών και Μηχανικών Υ ολογιστών Πολυτεχνείο Κρήτης

Ε ανάληψη Γραφήµατα σχεδιασµού δοµή δεδοµένων για κατασκευή ευρετικών συναρτήσεων Ο αλγόριθµος GraphPlan εξαγωγή πλάνων από γραφήµατα σχεδιασµού O αλγόριθµος SATPlan σχεδιασµός µέσω ικανοποιησιµότητας Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 2

Σήµερα Χρόνος και όροι χρονοπρογραµµατισµός εργασιών Ιεραρχία ιεραρχικά δίκτυα εργασιών Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 3

Χρόνος και Πόροι Time and Resources

Ενέργειες µε ιάρκεια STRIPS δηλώνει τι κάνουν οι ενέργειες δεν δηλώνει όσο διαρκούν οι ενέργειες ή ότε εκτελούνται Χρόνος θεµελιώδη σηµασία σε πραγµατικά προβλήµατα πρέπει Μ. Γ. Λαγουδάκης ελαχιστοποίηση να λαµβάνεται Τµήµα συνολικού υπ όψιν ΗΜΜΥ χρόνου στο σχεδιασµό Χρονο ρογραµµατισµός Πολυτεχνείο και ικανοποίηση εργασιών (job-shop Κρήτης όλων των περιορισµών scheduling) Σελίδα 5 εργασίες που ολοκληρώνονται από ακολουθίες ενεργειών ενέργειες που έχουν διάρκεια και απαιτούν πόρους για εκτέλεση ζητούµενο: χρονοδιάγραµµα ολοκλήρωσης όλων των εργασιών

Συναρµολόγηση Αυτοκινήτων Αρχική κατάσταση Init( Σασί(C1) Σασί(C2) Μηχανή(E1, C1, 30) Μηχανή(E2, C2, 60) Τροχοί(W1, C1, 30) Τροχοί(W2, C2, 15) ) Στόχος Goal( Έτοιµο(C1) Έτοιµο(C2) ) Ενέργειες Action( ΠροσθήκηΜηχανής(e, c), Προϋποθέσεις: Μηχανή(e, c, d) Σασί(c) ΜηχανήΕντός(c), Επιδράσεις: ΜηχανήΕντός(c) ιάρκεια(d) ) Μ. Γ. Λαγουδάκης Action( ΠροσθήκηΤροχών(w, Τµήµα ΗΜΜΥ c), Πολυτεχνείο Κρήτης Σελίδα 6 Προϋποθέσεις: ΜηχανήΕντός(c) Τροχοί(w, c, d) Σασί(c), Επιδράσεις: ΤροχοίΕ ί(c) ιάρκεια(d) ) Action( Ε ιθεώρηση(c), Προϋποθέσεις: ΜηχανήΕντός(c) ΤροχοίΕ ί(c) Σασί(c), Επιδράσεις: Έτοιµο(c) ιάρκεια(10) )

Χρονοδιάγραµµα Συναρµολόγησης Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 7

Μέθοδος Κρίσιµου Μονο ατιού (Critical Path Method CPM) Κρίσιµο µονο άτι (critical path) µονοπάτι Αρχή Τέλος µε µέγιστη διάρκεια σε πλάνο µερικής διάταξης Αλγόριθµος δυναµικού ρογραµµατισµού εύρεση βέλτιστου χρονοδιαγράµµατος νωρίτερος χρόνος έναρξης (ES) και αργότερος χρόνος έναρξης (LS) περιθώριο (slack): LS ES (=0 για τις ενέργειες στο κρίσιµο µονοπάτι) ES(Αρχή) = 0 Μ. Γ. Λαγουδάκης ES(B) = maxa BES(A) Τµήµα + ΗΜΜΥ ιάρκεια(a) Πολυτεχνείο Κρήτης Σελίδα 8 LS(Τέλος) = ES(Τέλος) LS(A) = mina BLS(B) - ιάρκεια(a) Πολυ λοκότητα Ο(Nb), Ν: πλήθος ενεργειών, b: µέγιστος παράγοντας διακλάδωσης

Ενέργειες µε ιάρκεια και Πόρους Πόροι (resources) αντικείµενα που δεσµεύονται κατά την εκτέλεση µιας ενέργειας αναλώσιµοι πόροι (consumable resources) επιδράσεις επαναχρησιµοποιήσιµοι πόροι (reusable resources)? Ε έκταση ανα αράστασης νέο πεδίο «Πόροι: R(k)» : απαιτούνται k µονάδες του πόρου R Μ. Γ. Λαγουδάκης εκφράζει προϋπόθεση Τµήµα ΗΜΜΥ και προσωρινή Πολυτεχνείο επίδραση Κρήτης Σελίδα 9 συνάθροιση (aggregation): οµαδοποίηση οµοειδών πόρων

Συναρµολόγηση Αυτοκινήτων µε Πόρους Init( Σασί(C1) Σασί(C2) Μηχανή(E1, C1, 30) Μηχανή(E2, C2, 60) Τροχοί(W1, C1, 30) Τροχοί(W2, C2, 15) Βαρούλκα(1) ΣταθµοίΤροχών(1) Ε ιθεωρητές(2) ) Goal( Έτοιµο(C1) Έτοιµο(C2) ) Action( ΠροσθήκηΜηχανής(e, c), Προϋποθέσεις: Μηχανή(e, c, d) Σασί(c) ΜηχανήΕντός(c), Επιδράσεις: ΜηχανήΕντός(c) ιάρκεια(d), Πόροι: Βαρούλκα(1) ) Action( ΠροσθήκηΤροχών(w, c), Προϋποθέσεις: ΜηχανήΕντός(c) Τροχοί(w, c, d) Σασί(c), Μ. Γ. Λαγουδάκης Επιδράσεις: ΤροχοίΕ ί(c) Τµήµα ΗΜΜΥ ιάρκεια(d), Πολυτεχνείο Κρήτης Σελίδα 10 Πόροι: ΣταθµοίΤροχών(1) ) Action( Ε ιθεώρηση(c), Προϋποθέσεις: ΜηχανήΕντός(c) ΤροχοίΕ ί(c), Επιδράσεις: Έτοιµο(c) ιάρκεια(10), Πόροι: Ε ιθεωρητές(1) )

Χρονοδιάγραµµα Συναρµολόγησης µε Πόρους Πολυ λοκότητα Μ. Γ. Λαγουδάκης εύρεση βέλτιστου Τµήµα χρονοδιαγράµµατος: ΗΜΜΥ Πολυτεχνείο NP-δύσκολο Κρήτης πρόβληµα Σελίδα 11 οι περιορισµοί πόρων εισάγουν πρόσθετες αλληλεπιδράσεις Αλγόριθµος ελαχίστου εριθωρίου (minimum slack) επαναληπτικός άπληστος (greedy) αλγόριθµος η ενέργεια µε το µικρότερο περιθώριο στο νωρίτερο χρόνο έναρξης

Σχεδιασµός και Χρόνος Α λή στρατηγική διαίρεση του προβλήµατος σε διακριτά στάδια σχεδίασε πρώτα, χρονοπρογραµµάτισε µετά Σύνθετη στρατηγική έγκυρα πλάνα που οδηγούν σε καλύτερα χρονοδιαγράµµατα ενοποίηση σχεδιασµού και χρονοπρογραµµατισµού Μ. Γ. Λαγουδάκης επιτεύξιµο µε Τµήµα επέκταση ΗΜΜΥ γνωστών Πολυτεχνείο αλγορίθµων Κρήτης σχεδιασµού Σελίδα 12 περιορισµοί πόρων: ανάλογα µε τους αιτιολογικούς συνδέσµους ποιότητα πλάνου: χρόνος ολοκλήρωσης, όχι πλήθος ενεργειών

Σχεδιασµός µε Ιεραρχικά ίκτυα Εργασιών Hierarchical Task Network Planning

Ιεραρχικός Σχεδιασµός Ιεραρχική α οσύνθεση (hierarchical decomposition) λογισµικό, κυβερνήσεις, επιχειρήσεις,... Σχεδιασµός ΗΤΝ πλάνο υψηλότερου επιπέδου: µία ενέργεια (περιγραφή του έργου) εκλέπτυνση πλάνου: αποσύνθεση εργασιών (task decomposition) τερµατισµός εκλέπτυνσης: πρωτογενείς ενέργειες (primitive actions) Μ. Γ. Λαγουδάκης HTN : διαδικασία Τµήµα συγκεκριµενοποίησης ΗΜΜΥ Πολυτεχνείο ενός Κρήτης πλάνου Σελίδα 14 STRIPS : διαδικασία δόµησης ενός πλάνου Σύµβαση υβριδικό σχήµα σχεδιασµού µερικής διάταξης και σχεδιασµού HTN

Α οσύνθεση Ενεργειών Βιβλιοθήκη λάνων (planning library) περιγραφές αποσύνθεσης ενεργειών (πιθανά, πολλαπλές) εξωτερικές προϋποθέσεις και επιδράσεις και εσωτερικές επιδράσεις Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 15

Action(ΑγοράΓης, Action(Λήψη ανείου, ΠΛΗ 405 Τεχνητή Νοηµοσύνη 2006 Action(ΧτίσιµοΣ ιτιού, Action(ΛήψηΆδειας, Χρήµατα, Γη Χρήµατα) Action(ΠρόσληψηΕργολάβου, ΚαλήΠίστη, Επιδράσεις: Υ οθήκη) Παράδειγµα: Χτίσιµο Σ ιτιού Action(Κατασκευή, Γη, Σ ίτι) Action(ΠληρωµήΕργολάβου, Επιδράσεις: Γη, Επιδράσεις: Συµβόλαιο) Άδεια) Decompose( Προϋποθέσεις: Άδεια Συµβόλαιο, Επιδράσεις: Σ ίτιχτισµένο Άδεια) Βήµατα: {S1: ΧτίσιµοΣ ιτιού, ΛήψηΆδειας, Plan( S2: Προϋποθέσεις: Επιδράσεις: ΠρόσληψηΕργολάβου, Χρήµατα Σ ίτι Συµβόλαιο) Χρήµατα Σ ίτιχτισµένο, S3: Κατασκευή, S4: ΠληρωµήΕργολάβου} Μ. )) Σύνδεσµοι: ιατάξεις: {Αρχή S1 S3 S4 Γη Γ. Λαγουδάκης S4 Στι δεια S1,Αρχή Αρχή S4, S2 S3}, Τµήµα Άπί ΗΜΜΥ Τέλος, S3, Χµατα S2 ρή S4 Σλαιο Πολυτεχνείο Χ υµβό µατα ρή S3, S3 Χ Τέλος} Σ Κρήτης πίτιτισµ έ νο S4, Σελίδα 16

Ιεραρχικός Αλγόριθµος Σχεδιασµού βασίζεται στο σχεδιασµό µερικής διάταξης (POP) δυνατότητα εκλέπτυνσης στη συνάρτηση διαδόχου Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 17

Ιεραρχικός Αλγόριθµος Σχεδιασµού Α οσύνθεση αντικατάσταση ενέργειας µε πλάνο εκλέπτυνσης δηµιουργία νέων στιγµιοτύπων ή κοινοχρησία υποεργασιών ιάταξη επιβολή µόνο των αναγκαίων περιορισµών διάταξης για κάθε περιορισµό διάταξης χρειάζεται ο λόγος ύπαρξης Μ. Γ. Λαγουδάκης Σύνδεσµοι Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 18 επιδιόρθωση αιτιολογικών συνδέσµων εξωτερικές προϋποθέσεις και επιδράσεις

Παράδοξο: Gift of the Magi Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 19

υσκολία και Πολυ λοκότητα Πρόβληµα ο καθαρός σχεδιασµός HTN είναι µη αποφασίσιµος...... παρόλο που ο υποκείµενος χώρος είναι πεπερασµένος το πρόβληµα οφείλεται στην αναδροµικότητα της αποσύνθεσης Αντιµετώ ιση αποκλεισµός αναδροµικότητας οριοθέτηση µεγέθους πλάνων Μ. Γ. Λαγουδάκης υβριδικό σχήµα: Τµήµα ΗΤΝ ΗΜΜΥ και Πολυτεχνείο σχεδιασµός µερικής Κρήτης διάταξης Σελίδα 20 Πολυ λοκότητα d αποσυνθέσεις µεγέθους k ανά ενέργεια, πλάνο µε n ενέργειες ιεραρχικός: O(dn/k) εφικτά δένδρα αποσυνθέσεων µη ιεραρχικός: O(bn) κόστος (b: παράγοντας διακλάδωσης)

Μελέτη Σύγγραµµα Ενότητα 12.1 12.2 Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 21