1 / 30

Inteligentne pole minowe

Inteligentne pole minowe. Krzysztof Andrelczyk IMiP, IS, III rok. Opiekun naukowy : mgr Łukasz Rauch. Cel projektu. Współczesne pola minowe. Inteligentne pole minowe. Sposób realizacji. Wyniki. Wnioski. Plan referatu.

said
Download Presentation

Inteligentne pole minowe

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Inteligentne pole minowe Krzysztof Andrelczyk IMiP, IS, III rok Opiekun naukowy : mgr Łukasz Rauch

  2. Cel projektu. Współczesne pola minowe. Inteligentne pole minowe. Sposób realizacji. Wyniki. Wnioski. Plan referatu

  3. Celem projektu było wykorzystanie techniki programowania genetycznego do stworzenia systemu agentowego kierującego zachowaniem pola minowego. Cel projektu

  4. Podstawowym zastosowaniem min jest tworzenie sztucznych zapór terenowych, których najważniejszym zadaniem jest uniemożliwianie przeciwnikowi swobodnego ruchu. Najważniejszym wymogiem jest możliwość osiągnięcia jak największej zdolności zaporowej przy jak najmniejszej liczbie min. Współczesne pola minowe

  5. Opracowanie systemu agentowego sterującego polem miało umożliwić minom kontrolowanie całej powierzchni pola minowego. Miny miały komunikować się ze sobą w celu określenia najdogodniejszego momentu ataku w celu maksymalizacji zadawanych strat. Inteligentne pole minowe

  6. Do stworzenia systemu agentowego wykorzystano technikę programowania genetycznego. Umożliwia ona automatyczne tworzenie programów przy użyciu algorytmów ewolucyjnych. W technice tej programy reprezentowane są jako drzewa binarne zbudowane z odpowiednio dobranych funkcji. Programowanie genetyczne

  7. Budowa miny (zbiór funkcji)

  8. Budowa miny (zbiór funkcji)

  9. Budowa miny (zbiór funkcji)

  10. Budowa miny (zbiór funkcji)

  11. Budowa miny (zbiór funkcji)

  12. Budowa miny (zbiór funkcji)

  13. Budowanie programów

  14. Ewaluacja

  15. Modyfikacja

  16. Zwrównoleglanie obliczeń • Do zrówleglenia obliczeń wykorzystano algorym wyspowy. W algorytmie tym cała populacja rozmieszczana jest na wielu komputerach ułożonych w toroidalną sieć. Po ewaluacji każdego pokolenia komputery wysyłają najlepsze znalezione rozwiązania do swoich sąsiadów.

  17. Obliczenia Maksymalną wysokość drzewa programu ustalono na 10. Przy tym rozmiarze drzewa ilość możliwych rozwiązań wynosiła: 13407807929942597099574024998205846127479365820592393377723561443721764030073546976801874298166903427690031858186486050853753882811946569946433649006084096000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000 .

  18. Implemntacja • Porgram napisano w języku C++. • Do obliczen równoleglnych wykorzystano bibliotekę MPI. • Obliczenia wykonywano na 50 komputerach wyposażonych w procesory AMD 64 3200 i 3800 oraz 1GB ramu. • Ewaluacja 1500 generacji przy populacji składającej z 1500 osobników trwała ok 10 dni.

  19. Wyniki Liczba osobników: 1500 Elita: 150 Krzyżowanie: ¼ Mutacja: 1/1000 Kopiowanie: 1/1000 Kasowanie: 1/1000 Rozmiar pola: 50x100 Liczba czołgów: 80 Liczba min: 120

  20. Rozwiązanie

  21. Rozwiązanie

  22. Rozwiązanie

  23. Rozwiązanie

  24. Rozwiązanie

  25. Wyniki Liczba osobników: 300 Elita: 30 Krzyżowanie: ¼ Mutacja: 1/1000 Kopiowanie: 1/1000 Kasowanie: 1/1000 Rozmiar pola: 20x100 Liczba czołgów: 30 Liczba min: 60

  26. Rozwiązanie

  27. Rozwiązanie

  28. Wnioski • W obu przebiegach znaleziono rozwiązanie znacznie lepsze od konwencjonalnego. • Możliwości dawane przez wykorzystany zestaw instrukcji okazały się niewystarczające do uzyskania poszukiwanego rozwiązania optymalnego.

  29. Dalsze badania • Poszerzenie zestawu instrukcji o funkcje pozwalające określić położenie miny • Zwiększające możliwości protokołu komunikacji.

  30. Bibliografia • Genetic programming : proceedings of the First Annual Conference, 1996 / ed. by John R. Koza [et al.] • Wykłady z algorytmów ewolucyjnych / Jarosław Arabas. WNT, 2004 • Wojskowy Przegląd Techniczny, 12/1983

More Related