ΠΛΗ 405 Τεχνητή Νοηµοσύνη

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

Σχεδιασµός και δράση στον πραγµατικό κόσµο

ΠΛΗ 405 Τεχνητή Νοηµοσύνη

ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ

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

ΠΛΗ 405 Τεχνητή Νοηµοσύνη

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

Σχεδιασµός. Planning. Το πρόβληµα τουσχεδιασµού

ΠΛΗ 405 Τεχνητή Νοηµοσύνη

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

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

Πληροφοριακά Συστήματα Διοίκησης (ΜΒΑ) Ενότητα 4: Διαχείριση Έργων

Αλγόριθµοι Εκτίµησης Καθυστέρησης και

ΠΛΗ 405 Τεχνητή Νοηµοσύνη

Εξελιγµένες Τεχνικές Σχεδιασµού

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

ΕΚΠ 413 / ΕΚΠ 606 Αυτόνοµοι (Ροµ οτικοί) Πράκτορες

Κεφάλαιο 4ο: Δικτυωτή Ανάλυση

1 η Άσκηση στο Χρονοπρογραμματισμό Έργων

ΕΚΠ 413 / ΕΚΠ 606 Αυτόνοµοι (Ροµ οτικοί) Πράκτορες

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΠΜΣΕ ΣΤΗΝ ΕΦΑΡΜΟΣΜΕΝΗ ΠΛΗΡΟΦΟΡΙΚΗ

Διαχείριση Έργων Πληροφορικής

Επίλυση συµβολικών προβληµάτων σχεδιασµού ενεργειών

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

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

ΑΕΠΠ Ερωτήσεις θεωρίας

ΔΙΑΧΕΙΡΙΣΗ ΕΡΓΟΥ PROJECT MANAGEMENT

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

ΕΚΠ 413 / ΕΚΠ 606 Αυτόνοµοι (Ροµ οτικοί) Πράκτορες

ΚΕΦΑΛΑΙΟ Μηχανική Μάθηση

02α Διαχείριση Έργων Λογισμικού

Υπολογιστικό Πρόβληµα

ιαµέριση - Partitioning

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

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

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

Αλγόριθµοι και Πολυπλοκότητα

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

ΕΦΑΡΜΟΓΕΣ ΔΙΟΙΚΗΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ

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

ΧΡΟΝΟ-ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΠΑΡΑΓΩΓΗΣ

Επίλυση προβληµάτων. Αλγόριθµοι Αναζήτησης

ΠΛΗ 405 Τεχνητή Νοηµοσύνη

Στοιχεία Αλγορίθµων και Πολυπλοκότητας

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

Διοίκηση Έργων Πληροφορικής Εργαστήριο 2. Μακρή Ελένη-Λασκαρίνα

Προσεγγιστικοί Αλγόριθμοι για NP- ύσκολα Προβλήματα

min f(x) x R n b j - g j (x) = s j - b j = 0 g j (x) + s j = 0 - b j ) min L(x, s, λ) x R n λ, s R m L x i = 1, 2,, n (1) m L(x, s, λ) = f(x) +

Επεξεργασία Ερωτήσεων

Τεχνολογία Λογισμικού

2. ΣΥΓΚΕΝΤΡΩΤΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΠΑΡΑΓΩΓΗΣ

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

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

για NP-Δύσκολα Προβλήματα

ΠΕΡΙΕΧΟΜΕΝΑ ΔΙΟΙΚΗΣΗ ΛΕΙΤΟΥΡΓΙΩΝ. Διοίκηση και Προγραμματισμός Έργων

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ

Περιγραφή Προβλημάτων

Προσεγγιστικοί Αλγόριθμοι για NP- ύσκολα Προβλήματα

Μοντελοποίηση προβληµάτων

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

Συγκοινωνιακός Σχεδιασµός κόµβος Σχήµα.. Αναπαράσταση σε χάρτη του οδικού δικτύου µιας περιοχής... Μέθοδοι καταµερισµού των µετακινήσεων.. Εύρεση βέλτ

2 ΕΙΣΑΓΩΓΙΚΕΣ ΕΝΝΟΙΕΣ ΙΟΙΚΗΣΗΣ ΕΡΓΩΝ

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

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

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

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

ΠΛΗ 405 Τεχνητή Νοηµοσύνη

9 ΕΝΑ ΣΥΝΟΛΙΚΟ ΠΑΡΑ ΕΙΓΜΑ

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

Το εσωτερικό ενός Σ Β

Ποσοτική Ανάλυση Επιχειρηματικών Αποφάσεων Προγραμματισμός ιαχείριση Έργων. Μέρος B

ΠΕΡΙΕΧΟΜΕΝΑ. Πρόλογος στη δεύτερη έκδοση

Προγραμματισμός & Έλεγχος Παραγωγής. Κεφ. 7 Χρονικός Προγραμματισμός Συμπληρωματικές Σημειώσεις

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.

Προσεγγιστικοί Αλγόριθμοι βασισμένοι σε Γραμμικό Προγραμματισμό

Αλγόριθμοι Προσέγγισης για NP-Δύσκολα Προβλήματα

ΠΛΗ 405 Τεχνητή Νοηµοσύνη

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

Επεξεργασία Ερωτήσεων

ΠΑΡΑΛΛΗΛΗ ΕΠΕΞΕΡΓΑΣΙΑ

Προσεγγιστικοί Αλγόριθμοι

Ανάπτυξη Εφαρµογών σε Προγραµµατιστικό Περιβάλλον

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ. ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ Τελικές εξετάσεις 24 Ιουνίου 2004

4.6 Critical Path Analysis (Μέθοδος του κρίσιμου μονοπατιού)

ΠΛΗ 405 Τεχνητή Νοηµοσύνη

Υπολογιστική Πολυπλοκότητα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ

Επίλυση Προβλημάτων 1

Επεξεργασία Ερωτήσεων

Προγραμματισμός έργων με σύνθετες σχέσεις διαδοχής εργασιών

ΣΧΕ ΙΑΣΜΟΣ ΚΑΙ ΑΝΑΠΤΥΞΗ ΣΥΣΤΗΜΑΤΩΝ ΙΑΧΕΙΡΙΣΗΣ ΕΠΙΧΕΙΡΗΣΙΑΚΩΝ ΠΟΡΩΝ

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

ΥΣ02 Τεχνητή Νοημοσύνη Χειμερινό Εξάμηνο

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

ΕΚΠ 413 / ΕΚΠ 606 Αυτόνοµοι (Ροµ οτικοί) Πράκτορες

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 να λαµβάνεται υπ όψιν στο σχεδιασµό Χρονο ρογραµµατισµός εργασιών (job-shop scheduling) εργασίες που ολοκληρώνονται από ακολουθίες ενεργειών ενέργειες που έχουν διάρκεια και απαιτούν πόρους για εκτέλεση ζητούµενο: χρονοδιάγραµµα ολοκλήρωσης όλων των εργασιών ελαχιστοποίηση συνολικού χρόνου και ικανοποίηση όλων των περιορισµών Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 5

Συναρµολόγηση Αυτοκινήτων Αρχική κατάσταση Init( Σασί(C 1 ) Σασί(C 2 ) Μηχανή(E 1, C 1, 30) Μηχανή(E 2, C 2, 60) Τροχοί(W 1, C 1, 30) Τροχοί(W 2, C 2, 15) ) Στόχος Goal( Έτοιµο(C 1 ) Έτοιµο(C 2 ) ) Ενέργειες Action( ΠροσθήκηΜηχανής(e, c), Προϋποθέσεις: Μηχανή(e, c, d) Σασί(c) ΜηχανήΕντός(c), Επιδράσεις: ΜηχανήΕντός(c) ιάρκεια(d) ) Action( ΠροσθήκηΤροχών(w, c), 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) ) Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 6

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 ES(B) = max A B ES(A) + ιάρκεια(a) LS(Τέλος) = ES(Τέλος) LS(A) = min A B LS(B) - ιάρκεια(a) Πολυ λοκότητα Ο(Nb), Ν: πλήθος ενεργειών, b: µέγιστος παράγοντας διακλάδωσης Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 8

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 εκφράζει προϋπόθεση και προσωρινή επίδραση συνάθροιση (aggregation): οµαδοποίηση οµοειδών πόρων Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 9

Συναρµολόγηση Αυτοκινήτων µε Πόρους Init( Σασί(C 1 ) Σασί(C 2 ) Μηχανή(E 1, C 1, 30) Μηχανή(E 2, C 2, 60) Τροχοί(W 1, C 1, 30) Τροχοί(W 2, C 2, 15) Βαρούλκα(1) ΣταθµοίΤροχών(1) Ε ιθεωρητές(2) ) Goal( Έτοιµο(C 1 ) Έτοιµο(C 2 ) ) 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), Επιδράσεις: ΤροχοίΕ ί(c) ιάρκεια(d), Πόροι: ΣταθµοίΤροχών(1) ) Action( Ε ιθεώρηση(c), Προϋποθέσεις: ΜηχανήΕντός(c) ΤροχοίΕ ί(c), Επιδράσεις: Έτοιµο(c) ιάρκεια(10), Πόροι: Ε ιθεωρητές(1) ) Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 10

Χρονοδιάγραµµα Συναρµολόγησης µε Πόρους Πολυ λοκότητα εύρεση βέλτιστου χρονοδιαγράµµατος: NP-δύσκολο πρόβληµα 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 Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 11

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 επιτεύξιµο µε επέκταση γνωστών αλγορίθµων σχεδιασµού περιορισµοί πόρων: ανάλογα µε τους αιτιολογικούς συνδέσµους ποιότητα πλάνου: χρόνος ολοκλήρωσης, όχι πλήθος ενεργειών Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 12

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) HTN : διαδικασία συγκεκριµενοποίησης ενός πλάνου STRIPS : διαδικασία δόµησης ενός πλάνου Σύµβαση υβριδικό σχήµα σχεδιασµού µερικής διάταξης και σχεδιασµού HTN Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 14

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

Παράδειγµα: Χτίσιµο Σ ιτιού Action(ΑγοράΓης, Προϋποθέσεις: Χρήµατα, Επιδράσεις: Γη Χρήµατα) Action(Λήψη ανείου, Προϋποθέσεις: ΚαλήΠίστη, Επιδράσεις: Χρήµατα Υ οθήκη) Action(ΧτίσιµοΣ ιτιού, Προϋποθέσεις: Γη, Επιδράσεις: Σ ίτι) Action(ΛήψηΆδειας, Προϋποθέσεις: Γη, Επιδράσεις: Άδεια) Action(ΠρόσληψηΕργολάβου, Επιδράσεις: Συµβόλαιο) Action(Κατασκευή, Προϋποθέσεις: Άδεια Συµβόλαιο, Επιδράσεις: Σ ίτιχτισµένο Άδεια) Action(ΠληρωµήΕργολάβου, Προϋποθέσεις: Χρήµατα Σ ίτιχτισµένο, Επιδράσεις: Χρήµατα Σ ίτι Συµβόλαιο) Decompose( ΧτίσιµοΣ ιτιού, Plan( Βήµατα: {S 1 : ΛήψηΆδειας, S 2 : ΠρόσληψηΕργολάβου, S 3 : Κατασκευή, S 4 : ΠληρωµήΕργολάβου} ιατάξεις: {Αρχή S 1 S 3 S 4 Τέλος, Αρχή S 2 S 3 }, Σύνδεσµοι: {Αρχή Γη S 1, Αρχή Χ ρή µατα S 4, S 1 Άδεια S 3, S S 2 Σ υµβό λαιο 3, S Σ πίτι Χτισµ έ νο 3 S 4, S 4 Σπί τι Τέλος, S 4 Χρή µατα Τέλος} ) ) Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης 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 Σύνδεσµοι επιδιόρθωση αιτιολογικών συνδέσµων εξωτερικές προϋποθέσεις και επιδράσεις Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 18

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 υβριδικό σχήµα: ΗΤΝ και σχεδιασµός µερικής διάταξης Πολυ λοκότητα d αποσυνθέσεις µεγέθους k ανά ενέργεια, πλάνο µε n ενέργειες ιεραρχικός: O(d n/k ) εφικτά δένδρα αποσυνθέσεων µη ιεραρχικός: O(b n ) κόστος (b: παράγοντας διακλάδωσης) Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 20

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