- •Введение
- •1. Искусственный интеллект в роботах
- •1.1. Обеспечение взаимодействия системы управления с человеком
- •1.2. Схема интеллектуального управления в робототехнических комплексах
- •1.3. Интеллектуальное программирование и интеллектуальный интерфейс
- •1.4. Организация интеллектуальных систем
- •2. Экспертные системы
- •2.1. Структура экспертных систем
- •2.2. Технология разработки экспертных систем
- •2.3. Механизм вывода в экспертных системах
- •2.4. Методы поиска решений в экспертных системах
- •2.5. Поиск в одном пространстве состояний
- •2.6. Поиск решения методом редукции
- •2.7. Поиск решения во множестве факторизованных пространств
- •2.8. Поиск в фиксированном множестве пространств
- •2.9. Поиск в изменяющемся множестве пространств (метод нисходящего уточнения)
- •2.10. Поиск в альтернативных пространствах
- •2.11. Поиск с использованием нескольких моделей
- •3. Представление знаний в системах
- •3.1. Продукционные системы
- •3.2. Системы поиска на основе классической логики
- •3.3. Использование логики предикатов первого порядка при представлении знаний
- •3.4. Использование фреймов при представлении данных
- •3.5. Семантические сети
- •4. Нейронные сети в системах искусственного интеллекта
- •4.1. Области применения нейронных сетей
- •4.2. Персептронные нейронные сети
- •4.3. Обучение персептронных сетей
- •4.4. Сети встречного распространения
- •4.5. Обучение нейронных сетей методом обратного распространения ошибки
- •4.6. Обучение без учителя
- •4.7. Сети без обучения
- •4.8. Нейронные сети с радиальными базисными функциями (вероятностные сети)
- •4.9. Коллективы нейронных сетей
- •4.10. Аппаратно-программные средства реализации нейронных сетей для задач робототехники
- •2. Использование сетей для распознавания речи
- •3. Использование сетей для формирования законов управления
- •5. Методы нечеткой логики в интеллектуальных системах
- •5.1. Логические операции над нечеткими множествами
- •5.2. Получение выводов в нечеткой логике
- •5.3. Алгоритмы поиска решения в нечеткой логике
- •Заключение
- •Библиографический список
- •394026 Воронеж, Московский просп., 14
2.8. Поиск в фиксированном множестве пространств
Рис.8. Фиксированное множество пространств
Этот метод разбивает пространство признаков на по- следовательность непересекающихся пространств. Решение, найденное в первом подпространстве, является исходным для поиска решения во втором и т.д. (Рис. 8). 21 |
2.9. Поиск в изменяющемся множестве пространств (метод нисходящего уточнения)
Такой метод поиска наиболее характерен для определения траектории перемещения в обширной рабочей зоне с наличием многих препятствий. Суть метода заключается в том, что на первой стадии поиска из пространства признаков выделяются наиболее характерные, и поиск выполняется только с их учетом. К полученному решению добавляются новые признаки, детализирующие пространство. Поиск осуществляется в расширенном пространстве. Далее добавляются к полученному решению новая группа признаков, и проводится новый поиск, и так до тех пор, пока не будут исчерпаны все признаки.
На рисунке 9 представлена рабочая зона промышленного робота ПР, задачей которого является достижение целевого положения Ц.
Если выполнять поиск в одном пространстве, то при определении траектории необходим перебор признаков, включающих расположение перегородок и препятствий. При нисходящем уточнении создается абстрактное пространство, включающее только расположение перегородок и выбирается траектория перемещения без учета препятствий. Затем к частному решению (выбранному пути) добавляются признаки описывающие препятствие, и траектория определяется с учетом их наличия.
При поиске во множестве пространств используют ограничение и принцип наименьших свершений. И то, и другое базируется на заложенных в базах знаний правилах использования исходной информации. При ограничении из всей совокуп-
ности исходных признаков могут использоваться только осно-
вные, а часть может отбрасываться по определенному крите-
рию. Например, при оценке свойств объектов могут определяться их размеры, расположение, цвет, массу. С точки зрения робота манипулятора цвет не является основным признаком. Поэтому при классификации объектов этот признак, получаемый системой очувствления отбрасывается. В свою очередь
22
при планировании траектории размеры объекта и масса не принципиальны, достаточно знать расположение объекта, т.е. при планировании задачи следует использовать только признаки к ней относящиеся.
Р ис. 9. Рабочая зона робота для иллюстрации метода нисходящего уточнения.
//// - препятствия, линии – перегородки
Реализация метода нисходящего уточнения может дополняться использованием принципа наименьших свершений, который заключается в том, что интеллектуальная система может прекращать поиск при недостаточности исходных данных. Для этого в решающих правилах должны быть заложены механизмы определения достаточности информации. Механизм должен постоянно анализировать состояние исходной информации на всем пути поиска. При недостаточности данных поиск в заданном направлении приостанавливается и возобновляется при получении дополнительных сведений. При остановке поиска возможна организация поиска по другому направлению.