1 / 96

3.7 Künstliche Hormonsysteme

3.7 Künstliche Hormonsysteme. Natürliches Hormonsystem Auch „ endokrines System “ genannt: System zur Steuerung und Regelung vielfältiger Körperfunktionen, z.B. Verdauung, Wachstum, Fortpflanzung

saima
Download Presentation

3.7 Künstliche Hormonsysteme

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. 3.7 Künstliche Hormonsysteme Natürliches Hormonsystem Auch „endokrines System“ genannt: System zur Steuerung und Regelung vielfältiger Körperfunktionen, z.B. Verdauung, Wachstum, Fortpflanzung Grundkonzept: chemische Botenstoffe (Hormone) werden von endokrinem Gewebe (z.B. Drüsen) produziert und wirken in der Nachbarschaft oder werden vom Blutkreislauf im ganzen Körper verteilt Die Wirkung erfolgt entweder über entsprechende Rezeptoren an der Zellmembran oder über das Eindringen des Hormons in die Zelle Die Reaktion einer Zelle auf ein Hormon hängt allein von dieser Zelle ab Organic Computing – Teil 3e, Folie 1 - Prof. Dr. Uwe Brinkschulte

  2. 3.7 Künstliche Hormonsysteme • Zwei Wirkmechanismen: • Direkte Wirkung von Hormonen auf eine Zelle ohne weitere Rück- oder Wechselwirkung (Steuerung) • Verknüpfung und Wechselwirkung mehrere Hormongruppen untereinander, z.B. um eine negative Rückkopplung zu erreichen (Regelung) Endokrines Gewebe - - - + - + Endokrines Gewebe - + + + Zelle Zelle Zelle Zelle Zelle direkte Wirkung indirekte Wechselwirkung Wechselwirkung Organic Computing – Teil 3e, Folie 2 - Prof. Dr. Uwe Brinkschulte

  3. 3.7 Künstliche Hormonsysteme • Eigenschaften: • Flexible Struktur • Dezentralisiert • Zellen reagieren nach lokalen Regeln • Globales Verhalten ergibt sich als Summe des lokalen Verhaltens • Geschlossene Rückführungsschleifen • Selbstorganisierend (keine zentrale Steuerinstanz) • Robust und fehlertolerant • => Vorbild für ein technisches System Organic Computing – Teil 3e, Folie 3 - Prof. Dr. Uwe Brinkschulte

  4. 3.7 Künstliche Hormonsysteme Künstliches Hormonsystem Nachbildung der Hormone durch kurze Botschaften (künstliche Hormone) Künstliche Hormone werden lokal in der Nachbarschaft (lokaler Multicast) oder im gesamten System (Broadcast) verteilt Lokale Reaktion der Komponenten (künstliche Zellen) auf die künstlichen Hormone Die Reaktion der künstlichen Zelle auf ein künstliches Hormon hängt allein von der künstlichen Zelle ab Gegenspieler bei den künstlichen Hormonen erlauben geschlossene Rückführungen Organic Computing – Teil 3e, Folie 4 - Prof. Dr. Uwe Brinkschulte

  5. 3.7.1 Ein künstliche Hormon-system zur Taskzuordnung • Anwendung • Zuordnung von Tasks an Prozessorzellen in verteilten eingebetteten Systemen • Ausbildung virtueller Organe • Hormonbasierte Regelschleifen als Mechanismus zur Selbst- Konfiguration, Selbst- Optimierung und Selbst- Heilung Ref: U. Brinkschulte, M. Pacher, A. von Renteln, An Artificial Hormone System for Self-Organizing Real- Time Task Allocation in Organic Middleware, In: Organic Computing, Springer, 2008 Organic Computing – Teil 3e, Folie 5 - Prof. Dr. Uwe Brinkschulte

  6. Künstliche Zellen: Rechenknoten (im verteilten System) Künstliche Hormone: Eignungswerte E: Geben an, wie gut ein Knoten für eine Aufgabe geeignet ist Suppressoren S: Hemmen die Ausführung einer Aufgabe auf einem Knoten. Supressoren werden vom Eignungswert subtrahiert. Acceleratoren A: Begünstigen die Ausführung einer Aufgabe auf einem Knoten. Acceleratoren werden zum Eignungswert addiert 3.7.1 Ein künstliche Hormon-system zur Taskzuordnung Organic Computing – Teil 3e, Folie 6 - Prof. Dr. Uwe Brinkschulte

  7. 3.7.1 Ein künstliche Hormon-system zur Taskzuordnung Prinzip der geschlossenen Rückführung, Gegenspieler Organic Computing – Teil 3e, Folie 7 - Prof. Dr. Uwe Brinkschulte

  8. 3.7.1 Ein künstliche Hormon-system zur Taskzuordnung Präzisierung der künstlichen Hormone Eignungswerte: Lokaler Eignungswert Eiursprüngliche Eignung von K für Task Ti => Taskverteilung nach den Fähigkeiten der Knoten Modifizierter Eignungswert wird durch Addition bzw. Subtraktion der für Task Ti auf K empfangenen Acceleratoren und Suppressoren vom lokalen Eignungswert berechnet. Wird an Task Tiauf allen Knoten gesendet. Organic Computing – Teil 3e, Folie 8 - Prof. Dr. Uwe Brinkschulte

  9. 3.7.1 Ein künstliche Hormon-system zur Taskzuordnung Suppressoren: Übernahme-Suppressor wird an Task Tiauf allen Knoten ausgesandt, wenn KTask Ti übernommen hat => bestimmt somit, wie oft Task Ti im System übernommen wird Last-Suppressor wird nur lokal an den K gesendet, welcher Task Ti übernommen hat. Wirkt dort auf alle Tasks => bestimmt somit, wieviele Tasks ein Knoten übernehmen kann. Monitor-Suppressor wird vom lokalen Monitoring lokal an einen Knoten gesendet und wirkt dort auf alle Tasks => kennzeichnet den allgemeine Zustand eines Knoten bei der Taskvergabe. Organic Computing – Teil 3e, Folie 9 - Prof. Dr. Uwe Brinkschulte

  10. 3.7.1 Ein künstliche Hormon-system zur Taskzuordnung Acceleratoren: Organ-Accelerator wird an alle zu Task Ti verwandten Tasks auf benachbarten Knoten ausgesandt, wenn K die Task Tiübernommen hat => Ansiedlung verwandter Tasks in der Nähe, Organbildung Angebots-Accelerator begünstigt das Verbleiben einer Task auf dem bisherigen Knoten, wenn die Task im Zuge der Selbstoptimierung neu angeboten wird. Wird nur lokal für Task Ti gesendet => kennzeichnet die Kosten einer Taskmigration. Monitor-Acclerator wird vom lokalen Monitoring lokal an einen Knoten gesendet und wirkt dort auf alle Tasks => Gegenspieler zum Monitor-Suppressor Organic Computing – Teil 3e, Folie 10 - Prof. Dr. Uwe Brinkschulte

  11. 3.7.1 Ein künstliche Hormon-system zur Taskzuordnung Demo - Hormonsimulator Organic Computing – Teil 3e, Folie 11 - Prof. Dr. Uwe Brinkschulte

  12. 3.7.2 Ein Anwendungsbeispiel Autonomes Fahrzeug (AGV Autonomous Guided Vehicle) Sensorik: Laserscanner Transponderempfänger Bumper Aktorik: Differentialantrieb Ziel: Navigation in einer unbekannten Umgebung, Finden von Transpondern (nur Anwendungsbeispiel für das Hormonsystem, kein eigenständiges wissenschaftliches Ziel) Orientierung Notaus bei Kollision Organic Computing – Teil 3e, Folie 12 - Prof. Dr. Uwe Brinkschulte

  13. 3.7.2 Ein Anwendungsbeispiel Navigation mit Laserscanner und Transponder Transponder Empfänger Laser Scanner Laser Corridor Task Line Segment Task Pilot Task Transponder Localization Task Drive Track Task Drive Control Task Organic Computing – Teil 3e, Folie 13 - Prof. Dr. Uwe Brinkschulte

  14. 3.7.2 Ein Anwendungsbeispiel Tasksstruktur: Pilot Task Laser Corridor Task Transponder Localization Task Drive Track Task Drive Control Task Line Segment Task Line Segment Task Line Segment Task Line Segment Task State Transfer Task State Transfer Task State Transfer Task Organ-Beziehungen (n Instanzen) (m Instanzen) Organic Computing – Teil 3e, Folie 14 - Prof. Dr. Uwe Brinkschulte

  15. 3.7.2 Ein Anwendungsbeispiel Prozessor-Strukturen: Prozessor(Festkomma) Prozessor(Festkomma) Prozessor(Gleitkomma) Prozessor(Festkomma) Prozessor(Gleitkomma) Prozessor(Festkomma) Prozessor(Festkomma) Prozessor(Festkomma) Prozessor(Gleitkomma) Selbstkonfiguration: eigenständige Anpassung an die jeweilige Prozessorstruktur Selbstoptimierung: Berücksichtigung von Eigenschaften, Temperaturen, … Selbstheilung: eigenständige Kompensation von Ausfällen Selbstorganisation: keine äußere Kontrollinstanz Organic Computing – Teil 3e, Folie 15 - Prof. Dr. Uwe Brinkschulte

  16. 3.7.2 Ein Anwendungsbeispiel Demo: AGV mit hormonbasierter Taskzuordnung Organic Computing – Teil 3e, Folie 16 - Prof. Dr. Uwe Brinkschulte

  17. 3.7.2 Ein Anwendungsbeispiel Weiteres Demo: hormonbasierte Lichtsteuerung im Auto Organic Computing – Teil 3e, Folie 17 - Prof. Dr. Uwe Brinkschulte

  18. 3.7.3 Dynamik des Hormonzyklus • Drei Fälle: • Alle Eignungswerte konstant => eingeschwungener, stabiler Zustand • Der Eignungswert eines Knotens sinkt => Übernahme der Aufgabe, wenn der gesunkene Eignungswert dafür ausreicht, alle anderen Knoten kennen den höheren oder gesunkenen Wert • Der Eignungswert eines Knotens steigt => Übernahme der Aufgabe, wenn der gestiegene Eignungswert dafür ausreicht ist kritisch, da eventuell noch nicht alle Knoten diesen gestiegenen Wert kennen Organic Computing – Teil 3e, Folie 18 - Prof. Dr. Uwe Brinkschulte

  19. 3.7.3 Dynamik des Hormonzyklus => Übernahme der Aufgabe nur, wenn der gestiegene Eignungswert sicher an alle Knoten kommuniziert ist bzw. ein Suppressor für diese Aufgabe von einem anderen Knoten empfangen wurde Bedingung für sichere Entscheidung: tSE ≥ tES + 2 tK Organic Computing – Teil 3e, Folie 19 - Prof. Dr. Uwe Brinkschulte

  20. 3.7.4 Zeitverhalten der Selbstkonfiguration • Jeder Knoten prüft die Übernahme einer Aufgabe pro Zyklus • Anderenfalls wären die Organ-Accleratoren wirkungslos => Präzisierter Hormonzyklus Organic Computing – Teil 3e, Folie 20 - Prof. Dr. Uwe Brinkschulte

  21. 3.7.4 Zeitverhalten der Selbstkonfiguration • Bei m Aufgaben haben alle Knoten nach m Zyklen alle Aufgaben überprüft • Durch den dynamischen Einfluss von Acceleratoren und Suppressoren ist es möglich, dass jedoch noch nicht alle Aufgaben übernommen wurden, Beispiele: Organic Computing – Teil 3e, Folie 21 - Prof. Dr. Uwe Brinkschulte

  22. 3.7.4 Zeitverhalten der Selbstkonfiguration • Die Gesamtzahl der Zyklen ist jedoch trotzdem begrenzt, da Acceleratoren und Suppressoren nur bei Übernahme einer Aufgabe ausgestossen werden => in jedem Durchlauf von m Zyklen wird mindestens 1 Aufgabe übernommen => Zeitverhalten im schlimmsten Fall: m2Zyklen bis zur Übernahme aller Aufgaben Organic Computing – Teil 3e, Folie 22 - Prof. Dr. Uwe Brinkschulte

  23. 3.7.5 Verbesserung des Zeitverhaltens 1. Verfeinerung des Hormonzyklus: Berücksichtigung von Acceleratoren, welche den Eignungswert für eine Task erhöhen, in der Prüfreihenfolge des Hormonzyklus (analog Beispiel 1, Folie 21) Erhöht sich ein gesendeter Wert einer Task über alle bisher empfangenen Werte, so wird die normale Prüfreihenfolge verlassen und diese Task als nächste geprüft Organic Computing – Teil 3e, Folie 23 - Prof. Dr. Uwe Brinkschulte

  24. 3.7.5 Verbesserung des Zeitverhaltens Zeitverhalten des verfeinerten Zyklus, schlimmster Fall: • Eignungswert von Task Ti erhöht sich in Zyklus m durch Accelerator • Dieser Accelerator wurde durch die Übernahme einer von m-1 anderen Tasks verursacht => Task Ti wird im nächsten Zyklus (m+1) erneut geprüft • Eignungswert von Task Ti erhöht sich in Zyklus m+1 durch Accelerator • Dieser Accelerator wurde durch die Übernahme einer von m-2 anderen Tasks verursacht => Task Ti wird im nächsten Zyklus (m+2) erneut geprüft • Eignungswert von Task Ti erhöht sich in Zyklus m+2 durch Accelerator • Dieser Accelerator wurde durch die Übernahme einer von m-3 anderen Tasks verursacht … Organic Computing – Teil 3e, Folie 24 - Prof. Dr. Uwe Brinkschulte

  25. 3.7.5 Verbesserung des Zeitverhaltens Zyklus 1: T1 Tm-2 Tm-1 Tm ... ... ... ... Zyklus m: T1 Tm-2 Tm-1 Tm Tm genommen, Accelerator gesendet Zyklus m+1: T1 Tm-2 Tm-1Tm-1 genommen, Accelerator gesendet Zyklus m+2: T1 Tm-2Tm-2 genommen, Accelerator gesendet ... ... ... ... Zyklus 2m-1: T1 T1 genommen, Accelerator gesendet  Worst-Case Zeitverhalten = 2m-1Zyklen Organic Computing – Teil 3e, Folie 25 - Prof. Dr. Uwe Brinkschulte

  26. 3.7.5 Verbesserung des Zeitverhaltens 2. Verfeinerung des Hormonzyklus: Berücksichtigung von Suppressoren, welche den Eignungswert für eine Task erniedrigen, in der Prüfreihenfolge des Hormonzyklus (analog Beispiel 2, Folie 21) Erniedrigt sich ein empfangener Wert einer Task unter alle bisher empfangenen sowie den eigenen Wert, so wird die normale Prüfreihenfolge verlassen und diese Task als nächste geprüft Organic Computing – Teil 3e, Folie 26 - Prof. Dr. Uwe Brinkschulte

  27. 3.7.5 Verbesserung des Zeitverhaltens Aus analoger Überlegung ergibt sich das gleiche Zeitverhalten wie für Verfeinerung 1: • Mit Verfeinerung 1 und 2: Generelles Zeitverhalten des Hormonzyklus 2m-1Zyklen bis zur Übernahme aller Tasks Anmerkung: für die hier betrachtete Anwendung ist Verfeinerung 2 unnötig, da Suppressoren hier niemals auf andere Tasks wirken sondern nur für Tasks ausgeschüttet werden, die bereits übernommen sind. Organic Computing – Teil 3e, Folie 27 - Prof. Dr. Uwe Brinkschulte

  28. 3.7.5 Verbesserung des Zeitverhaltens Weitere Präzisierungen für Verfeinerung 1: Bisherige Annahme: alle Tasks sind mit allen verwandt, d.h. eine Task kann von m-1 anderen Tasks Acceleratoren empfangen In der Regel ist eine Task Ti jedoch nur mit vi anderen Tasks verwandt, vi ≤ m-1 • Sie kann nur von vi anderen Tasks Acceleratoren empfangen • Die Taskübernahme ist nach m + vmax mit Zyklen beendet Organic Computing – Teil 3e, Folie 28 - Prof. Dr. Uwe Brinkschulte

  29. 3.7.5 Verbesserung des Zeitverhaltens Weitere Präzisierungen für Verfeinerung 1: Bisherige Annahme: alle Knoten bewerben sich um alle Tasks Bewirbt sich ein Knoten K jedoch nur um m Tasks, m ≤ m • Die Taskübernahme ist nach mmax + vmax mit Zyklen beendet Organic Computing – Teil 3e, Folie 29 - Prof. Dr. Uwe Brinkschulte

  30. 3.7.5 Verbesserung des Zeitverhaltens Beispiel: 10 Tasks T1 ... T10m = 10 Verwandt: T1 ... T4, T5 ... T10vmax = max(v1, ..., v10) = max(4,4,4,4,6,6,6,6,6,6) = 6 Es ergeben sich also: mit 2m - 1 = 20-1 = 19 Zyklen als Obergrenze mit m + vmax = 10 + 6 = 16 Zyklen als Obergrenze Bewerben sich weiterhin nur K1, K2 um T1 ... T5 und K3, K4 um T6 ... T10 mmax = max(m1, ..., m4) = max(5,5,5,5,) = 5 so ergeben sich: mit mmax + vmax = 5 + 6 = 11 Zyklen als Obergrenze Organic Computing – Teil 3e, Folie 30 - Prof. Dr. Uwe Brinkschulte

  31. 3.7.5 Verbesserung des Zeitverhaltens Messergebnisse Anzahl Zyklen Anzahl Tasks Organic Computing – Teil 3e, Folie 31 - Prof. Dr. Uwe Brinkschulte

  32. 3.7.6 Zeitverhalten der Selbstoptimierung Eine Selbstoptimierung findet nur statt, wenn ein Knoten eines Task zur Verschiebung anbietet => der Zeitpunkt der Optimierung wird vom Knoten gewählt Weiterhin betreibt der alte Knoten die Task bis sie auf dem potenziellen neuen Knoten zur Ausführung kommt => maximale Ausfallzeit = Zeit für Zustandstransfer Schlimmster Fall für die Dauer der Selbstoptimierung: alle Tasks werden gleichzeitig angeboten => gleiches Zeitverhalten wie bei der Selbstkonfiguration mmax + vmaxZyklen (wird hingegen z.B. nur eine Task angeboten, so wird sie gemäß Verfeinerung 1 bereits im nächsten Zyklus übernommen) Organic Computing – Teil 3e, Folie 32 - Prof. Dr. Uwe Brinkschulte

  33. 3.7.7 Zeitverhalten der Selbstheilung • Annahme: es bleiben in der Ausfallsituation noch genügend Knoten übrig, sodass alle Aufgaben übernommen werden können • im wesentlichen gleiches Zeitverhalten wie bei der Selbstkonfiguration oder Selbstoptimierung, hinzu kommt lediglich die Zeit um den Ausfall zu erkennen Dies geschieht durch Überschreitung der Verfallszeit eines künstlichen Hormons (a Zyklen) • Selbstheilung beendet spätestens nach mmax + vmax + aZyklen Fällt nur ein Knoten aus, so müssen nur die dort ausgeführten e Tasks neu vergeben werden. Es ergeben sich somit hierfür e + + a Zyklen Organic Computing – Teil 3e, Folie 33 - Prof. Dr. Uwe Brinkschulte

  34. 3.7.8 Datenaufkommen der Hormonausschüttung • Ein Knoten K sendet pro Zyklus: • Broadcast an alle anderen Knoten: 1 modifizierter Eignungswert pro beworbener Task Tj • 1 Übernahme-Supressor pro übernommener Task Ti • Multicast an Nachbarn: 1 Organ-Accelerator pro verwandter Task einer über- nommenen Task Ti • Alle anderen Hormone werden nur lokal versandt bzw. genutzt Organic Computing – Teil 3e, Folie 34 - Prof. Dr. Uwe Brinkschulte

  35. 3.7.8 Datenaufkommen der Hormonausschüttung Datenstruktur eines künstlichen Hormons: Eignungswerte, Suppressoren und Acceleratoren benötigen neben dem eigentlichen Wert noch eine Absenderinformation, um alte Hormonwerte durch neue, aktuellere eines Absenders ersetzen zu können. Organic Computing – Teil 3e, Folie 35 - Prof. Dr. Uwe Brinkschulte

  36. 3.7.8 Datenaufkommen der Hormonausschüttung Datenaufkommen eines Knotens Broadcast: Db = De · k + Ds · e mit Db : Broadcast-Datenmenge von K De: Datenmenge zur Übertragung eines Eignungswertes Ds: Datenmenge zur Übertragung eines Suppressors k: Anzahl der Tasks, um die sich K beworbenen hat und welche noch nicht vollständig im gesamten System übernommen wurden e:Anzahl aller auf dem Knoten K ausgeführten Tasks Multicast: mit Dm: Multicast-Datenmenge Da: Datenmenge zur Übertragung eines Accelerators vi: Anzahl aller zu einer Task Ti verwandten Tasks. Organic Computing – Teil 3e, Folie 36 - Prof. Dr. Uwe Brinkschulte

  37. 3.7.8 Datenaufkommen der Hormonausschüttung Zu berücksichtigen sind aber auch Hormone, die zu 0 geworden sind. Diese müssen zumindest 1 mal gesendet werden, danach werden sie durch die Alterung automatisch entfernt=> ein Knoten sollte zu Beginn auch Hormone mit dem Wert 0 einmal senden, um den 0-Pegel zu garantierenUnter Berücksichtigung dieser 0-Hormone ergibt sich zu Beginn ein Datenaufkommen von: Broadcast: Db = De · k + Ds · e + Ds ·(m - e) = De · k + Ds · m(0-Hormone) mit m : Anzahl der Tasks, um die sich K beworben hat Multicast: Organic Computing – Teil 3e, Folie 37 - Prof. Dr. Uwe Brinkschulte

  38. 3.7.8 Datenaufkommen der Hormonausschüttung => Datenaufkommen eines beliebigen Knotens zu Beginn und im eingeschwungenen Zustand: Organic Computing – Teil 3e, Folie 38 - Prof. Dr. Uwe Brinkschulte

  39. 3.7.8 Datenaufkommen der Hormonausschüttung Gesamtes Hormon-Datenaufkommen Das gesamte Hormon-Datenaufkommen an einem beliebigen Knoten K ergibt sich aus der Summe der Broadcasts aller Knoten sowie der Summe der Multicasts seiner Nachbarn: mit D: Gesamte Datenmenge an K Organic Computing – Teil 3e, Folie 39 - Prof. Dr. Uwe Brinkschulte

  40. 3.7.8 Datenaufkommen der Hormonausschüttung => Gesamtes Datenaufkommen an einem beliebigen Knotens zu Beginn und im eingeschwungenen Zustand Organic Computing – Teil 3e, Folie 40 - Prof. Dr. Uwe Brinkschulte

  41. 3.7.8 Datenaufkommen der Hormonausschüttung Bildung eines oberen Grenzwertes durch Ersetzen der Summen der individuellen Datenaufkommen durch Produkte der maximalen Datenaufkommen mit der Anzahl der verursachenden Elemente: Maximum aller m Maximum aller e größte Anzahl miteinander verwandten Tasks größte Anzahl benachbarter Knoten mit: Organic Computing – Teil 3e, Folie 41 - Prof. Dr. Uwe Brinkschulte

  42. 3.7.8 Datenaufkommen der Hormonausschüttung Ein Beispiel: Eignungswerte, 2 Bit Hormontyp (Eignungswert/Suppressor/Accelerator) Suppressoren 8 Bit Knoten-Id (max. 256 Knoten) 7 Bit Task-Id (max. 128 Tasks) 7 Bit Wert (128 Hormonabstufungen)  24 Bit De = Ds=24 Bit Acceleratoren 2 Bit Hormontyp 8 Bit Knoten-Id 7 Bit Task-Id 7 Bit Verwandte Task-Id 7 Bit Wert  17 + vi · 14 Bit Da = 17 + vmax · 14 Bit (schlimmster Fall: vi = vmax) vi-mal wiederholt Organic Computing – Teil 3e, Folie 42 - Prof. Dr. Uwe Brinkschulte

  43. 3.7.8 Datenaufkommen der Hormonausschüttung Beispiel-Werte für Knoten, Tasks, … = 64 (Anzahl Knoten) max = 9 (Anzahl zu einem Knoten benachbarte Knoten) kmax = 32 (max. Anzahl von einem Knoten beworbener Tasks) emax = 2 (max. Anzahl von einem Knoten übernommene Tasks) vmax = 8 (max. Anzahl zu einer Task verwandte Tasks) Organic Computing – Teil 3e, Folie 43 - Prof. Dr. Uwe Brinkschulte

  44. 3.7.8 Datenaufkommen der Hormonausschüttung Mit diesen Werten ergibt sich: Bei einer angenommenen Zykluszeit von 100msec (tSE + tES) ergibt sich daher ein Hormon-Datendurchsatz von: Organic Computing – Teil 3e, Folie 44 - Prof. Dr. Uwe Brinkschulte

  45. 3.7.8 Datenaufkommen der Hormonausschüttung Messergebnisse aus dem AGV-Beispiel Man sieht: wie theoretisch erwartet nimmt das Hormon-Datenaufkommen nach der Startphase ab. Dann überwiegt sehr schnell das Anwendungs-Datenaufkommen Organic Computing – Teil 3e, Folie 45 - Prof. Dr. Uwe Brinkschulte

  46. 3.7.9 Stabilität des Hormonsystems Schrittweises Vorgehen, zunächst starke Vereinfachungen, die dann Schritt für Schritt aufgehoben werden 1. Nur Suppressoren und Eignungswerte, keine Acceleratoren Alle Suppressoren für Task T sollen zunächst den gleichen Wertsup, alle Eignungswerte den gleichen Wert ev besitzen Das künstliche Hormonsystem ordnet die Task zu, solange die Summe der Suppressoren schwächer als der Eignungswert ist, d.h. solange gilt: n * sup < ev mit n: Anzahl Zuordnungen von Task T Die Anzahl Zuordungen einer Task T berechnet sich somit zu: Ref: U. Brinkschulte, A. von Renteln, Analyzing the Behavior of an Artificial Hormone System for Task Allocation, ATC 2009, Brisbane, Australia Organic Computing – Teil 3e, Folie 46 - Prof. Dr. Uwe Brinkschulte

  47. 3.7.9 Stabilität des Hormonsystems Wir lassen nun verschiedene Eignungswerte im Bereich evmin … evmax zu, die Suppressoren mögen weiterhin alle den gleichen Wert sup besitzen. Solange der größte Eignungswertevmax nicht kompensiert ist, wird das Hormonsystem die Task T zuordnen! Beispiel : 1. Zuordnung 2. Zuordnung 3. Zuordnung ev1 = 5, sup = 2 3 1 -1 ev2 = 3, sup = 2 1 -1 -3 ev3 = 2, sup = 2 0 -2 -4 Organic Computing – Teil 3e, Folie 47 - Prof. Dr. Uwe Brinkschulte

  48. 3.7.9 Stabilität des Hormonsystems Das Hormonsystem ordnet also die Task zu, solange die Summe der Suppressoren schwächer als der größte Eignungswertevmax ist, d.h solange gilt: n * sup < evmax Die Anzahl Zuordungen einer TaskTberechnet sich somit zu: Organic Computing – Teil 3e, Folie 48 - Prof. Dr. Uwe Brinkschulte

  49. 3.7.9 Stabilität des Hormonsystems Wir lassen nun verschiedene Eignungswerte im Bereich evmin … evmax und verschiedene Suppressoren im Bereich supmin … supmaxzu. Wir können nun eine Ober- und eine Untergrenze der Task-Zuordnungen ermitteln. Obergrenze: Die Task wird auf dem Knoten mit dem schwächsten Suppressor zugeordnet. Die Zuordnung erfolgt, solange gilt: nmax * supmin < evmax Untergrenze: Die Task wird auf dem Knoten mit dem stärksten Suppressor zugeordnet. Die Zuordnung erfolgt, solange gilt: nmin * supmax < evmin Organic Computing – Teil 3e, Folie 49 - Prof. Dr. Uwe Brinkschulte

  50. 3.7.9 Stabilität des Hormonsystems Damit lässt sich für die Anzahl Zuordnungen einer Task T folgende Ungleichung aufstellen: Die bisherigen Betrachtungen beziehen sich auf global wirkende Suppressoren (Übernahme-Suppressor). Wir wollen nun noch den Einfluss lokaler Suppressoren (Last-Suppressor, Monitor-Suppressor) betrachten. Die lokalen Suppressoren für Task T mögen sich im Bereich lsupmin … lsupmax bewegen Organic Computing – Teil 3e, Folie 50 - Prof. Dr. Uwe Brinkschulte

More Related