INTEGRACJA ZADAŃ PLANOWANIA DZIAŁAŃ I WARIANTOWANIA STRUKTURY WIELOROBOTOWEGO ZESPOŁU MOBILNYCH ROBOTÓW INSPEKCYJNYCH: MODEL DEKLARATYWNY
|
|
- Marta Piekarska
- 6 lat temu
- Przeglądów:
Transkrypt
1 ROZDZIAŁ 31 INTEGRACJA ZADAŃ PLANOWANIA DZIAŁAŃ I WARIANTOWANIA STRUKTURY WIELOROBOTOWEGO ZESPOŁU MOBILNYCH ROBOTÓW INSPEKCYJNYCH: MODEL DEKLARATYWNY Grzegorz BOCEWICZ 1, Robert WÓJCIK 2, Zbigniew BANASZAK 3 Rozważany problem doboru, alokacji i planowania działań grupy robotów mobilnych w środowisku pomieszczeń zamkniętych sformułowany został w modelu deklaratywnym języka OZ Mozart. Dla zadanego zbioru zmiennych decyzyjnych charakteryzujących środowisko pomieszczeń zamkniętych i przemieszczające się w nim roboty oraz zbioru ograniczeń wiążących te zmienne, poszukiwana jest strategia planowania struktury i alokacji elementów umożliwiająca w określonym horyzoncie czasu inspekcję zadanej liczby pomieszczeń. Proponowane podejście zilustrowane zostało na załączonych przykładach. 1. WPROWADZENIE Celem zarządzania kryzysowego [8, 9, 13], jest tworzenie planów awaryjnych na wypadek zajścia zdarzenia losowego oraz wskazywanie przyczyn, które trzeba usunąć, by powrócić do rutynowego działania systemu. Spotykane w literaturze działania składające się na zarządzanie kryzysowe wyróżniają cztery fazy: zapobiegania, przygotowania, reagowania i odbudowy. Dwie pierwsze z wyżej przedstawionych faz składają się na obszar związany z wypracowywaniem planów awaryjnych, z kolei ostatnie dwie fazy wchodzą w zakres zagadnień związanych z wypracowywaniem planów działania. Przybliżenie występujących w tych obszarach zagadnień można zilustrować na przykładzie problematyki doboru, alokacji i planowania działań wyko- 1 Politechnika Koszalińska, Wydział Elektroniki i Informatyki, Katedra Podstaw Informatyki i Zarządzania; ul. Śniadeckich 2, Koszalin; bocewicz@ie.tu.koszalin.pl. 2 Politechnika Wrocławska, Instytut Informatyki, Automatyki i Robotyki, Wybrzeże Wyspiańskiego 27, Wrocław; robert.wojcik@pwr.wroc.pl. 3 Politechnika Warszawska, Wydział Zarządzania, Zakład Informatyki Gospodarczej, ul. Narbutta 85, Warszawa; Z.Banaszak@wz.pw.edu.pl. 375
2 G. Bocewicz, R. Wójcik, Z. Banaszak rzystania zespołu mobilnych robotów inspekcyjnych w zadaniach związanych z ochroną budynków i/lub terenów [1, 2, 5, 6, 10, 11]. Ograniczając się do zagadnień związanych z planowaniem działań rutynowych występujących w misjach typu inspekcja pomieszczeń budynków wielokondygnacyjnych, celem dalszych rozważań jest dobór modelu deklaratywnego umożliwiającego integrację problemów doboru, alokacji i planowania działań zespołu mobilnych robotów inspekcyjnych. W tym kontekście poszukiwane są rodzaje dostępnych inspekcyjnych robotów mobilnych, ich ilości oraz miejsca dokowania gwarantujące inspekcję zadanych pomieszczeń w z góry ograniczonym horyzoncie czasu. Przyjmując deklaratywny model problemu doboru, alokacji i planowania działań grupy robotów mobilnych w środowiska pomieszczeń zamkniętych zakłada się, że dla zadanego zbioru zmiennych decyzyjnych charakteryzujących środowisko pomieszczeń zamkniętych i przemieszczające się w nim roboty oraz zbioru ograniczeń wiążących te zmienne, poszukiwana jest strategia planowania struktury i alokacji elementów umożliwiająca w określonym horyzoncie czasu inspekcję zadanej liczby pomieszczeń. Podrozdział 2 przedstawia intuicyjne sformułowanie modelu planowania działań grupy robotów inspekcyjnych wprowadzające w deklaratywną postać odpowiedniego modelu referencyjnego wprowadzonego w podrozdziale 3. Podrozdział 4 omawia obliczeniową (postaci problemu spełnienia ograniczeń), reprezentację wprowadzonego modelu oraz jego modułową strukturę. Podrozdział 5 przedstawia ilustracje rozwiązania przykładowego zadania wariantowania struktury zespołu robotów inspekcyjnych. Niektóre z perspektywicznych kierunków badań stanowiących kontynuację wyników przedstawionych w pracy zebrano podrozdziale SFORMUŁOWANIE PROBLEMU Rozważany dalej problem ogranicza się do planowania działań grupy robotów mobilnych w środowiskach pomieszczeń zamkniętych. Pomieszczenia te, jak i łączące je przejścia opisane są zbiorem charakteryzujących je parametrów (zmiennych decyzyjnych) oraz łączących je relacji (ograniczeń). Poruszające się w tym środowisku roboty opisuje odrębny zbiór parametrów i łączących je związków. Obie struktury łączą relacje należące do trzeciego zbioru, zbioru relacji (ograniczeń) determinujących możliwe zachowanie robotów w przeszukiwanym środowisku. Dla tak sformułowanego modelu (znajdującego swoje odbicie w modelu problemu spełnienia ograniczeń (constraints satisfaction problem [3, 4, 12])) formułowane są problemy poszukiwania marszrut transportowych i/lub ewakuacyjnych, a także marszrut inspekcyjno-rekonesansowych, ratowniczych itp. Oznacza to, że każdy problem planowania misji systemu zespołu robotów mobilnych ujęty w modelu deklaratywnym można sprowadzić do pewnego problemu 376
3 Integracja problemów doboru, alokacji i planowania spełnienia ograniczeń. Oznacza to również, możliwość szybkiego potwierdzenia, bądź to braku jakiegokolwiek rozwiązania dopuszczalnego, bądź też istnienia niepustego zbioru dopuszczalnych rozwiązań alternatywnych. W ostatnim przypadku istnieje możliwość poszukiwania dodatkowych ograniczeń pozwalających na kolejne selekcje rozwiązań. Celem bardziej formalnego przybliżenia przedstawionych wyżej intuicji rozważmy problem, gdzie: dany jest zespół robotów o znanych parametrach (np. scharakteryzowanych przez: wymiary geometryczne, prędkość przemieszczania się itp.), znana jest przestrzeń przeszukiwania (przyjmuje się, że obszar podlegający inspekcji specyfikują jego kształt i rozmiar). W przestrzeni rozmieszczone są przeszkody (scharakteryzowane przez parametry determinujące ich kształt, rozmiar i położenie) ograniczające zasięg widzenia robotów. Rozważany problem inspekcji środowiska pomieszczeń zamkniętych sprowadza się do odpowiedzi na pytanie czy w danej przestrzeni, oprócz znanych przedmiotów (przeszkód) znajdują się jeszcze jakieś inne obiekty? Problem ten sprowadza się do jednej z niżej podanych postaci szczegółowych: Czy dane początkowe rozmieszczenie, zadanej liczby robotów o znanych parametrach gwarantuje przeszukanie całej przestrzeni w zadanym horyzoncie czasu? Ile robotów, gdzie rozmieszczonych i o jakich parametrach gwarantuje przeszukanie całej przestrzeni w zadanym horyzoncie czasu? Łatwo zauważyć, że oba rodzaje pytań, odnoszące się do sformułowań odpowiednio problemu wprost i problemu wstecz łączy jedno, wspólne dla obu z nich pytanie: Czy istnieją takie trajektorie ruchu poszczególnych robotów, które gwarantują przeszukanie całej przestrzeni w zadanym horyzoncie czasu? Przez przeszukanie przestrzeni rozumiane jest takie przemieszczanie robotów, które pozwala na przeszukanie całej przestrzeni (tzn. obszaru niezajętego przez przeszkody). Na rysunku 1 przedstawiono przykład dwuwymiarowej przestrzeni (przestrzeń tą przedstawia widok (z lotu ptaka) obszaru podlegającego inspekcji) z dwoma robotami, (o kształcie kwadratu) oraz dwoma przeszkodami,. Kolorem szarym oznaczony został obszar niewidoczny dla robotów. 3. MODEL DEKLARATYWNY W przyjętym modelu zakładającym strukturę modułową, przyjmuje się, że zarówno przestrzeń, zespół robotów jak i przeszkody reprezentowane są przez obiekty dwuwymiarowe (wielokąty proste). Formalnie, przyjmując dwupoziomową strukturę,, wielkości te definiowane są następująco:,,,,,, przestrzeń przeszukiwania reprezentowana przez wielokąt prosty, tj. zbiór o wierzchołkach określonych parami współrzędnych: 377
4 G. Bocewicz, R. Wójcik, Z. Banaszak (10,100) (20,100) (10,90) III (20,90) (15,75) (30,75) (25,70) (35,70) (0,100) (100,100) (35,50) (30,50) (65,45) (90,45) (0,35) (10,35) (0,25) II (10,25) (15,20) (25,25) (50,25) (50,20) (65,40) (90,40) IV (75,30) (80,30) (0,0) Legenda: (vx i,1,vy i,1) (vx i,4,vy i,4) (vx i,2,vy i,2) (vx i,3,vy i,3) I (100,0) robot inspekcyjny o współrzędnych wierzchołków: (vx i,1,vy i,1 ), (vx i,2,vy i,2 ), (vx i,3,vy i,3 ), (vx i,4,vy i,4 ),,! i-ta przeszkoda o współrzędnych wierzchołków:,,,,,,!,,& obszar niewidoczny dla robotów i i-ta potencjalna pozycja dokowania początkowego Rys. 1. Przestrzeń z dwoma robotami i dwoma przeszkodami 378,,,,, (1) gdzie:, i-ty wierzchołek wielokąta o współrzędnych, (współrzędne wyrażane są w układzie kartezjańskim):,. zbiór przeszkód:,,,,, (2) gdzie:,,,,,,! wielokąt prosty reprezentujący i-tą przeszkodę,," wierzchołek przeszkody o współrzędnych,",",,", # $ liczba wierzchołków przeszkody, % liczba przeszkód.
5 Integracja problemów doboru, alokacji i planowania ', zasięg widzenia z punktu, przestrzeni S ', \ ),, (3) gdzie: ), wielokąt dowolny reprezentujący obszar niewidoczny z punktu, przestrzeni (obszar oznaczony na rysunku 1 kolorem szarym). *\+ różnica zbiorów *, +; przez zbiory *, + rozumie się zbiory punktów przestrzeni ograniczonej wielokątami *, +. Na rysunku 1 obszar oznaczony białym kolorem (tło przestrzeni ) jest traktowany jako zasięg widzenia robotów i. rodzina zbiorów dopuszczalnych współrzędnych punktów składających się na przestrzeń :,,,, $ 1,01,,. rodzina zbiorów dopuszczalnych współrzędnych punktów," składających się na przeszkody zbioru :,,,,, 1, gdzie, - dziedzina przeszkody :,,,,",,", 2 1,# $1,,",,". rodzina dopuszczalnych przestrzeni (postaci wielokątów dowolnych) widocznych z punktów, ) przestrzeni S. zbiór ograniczeń (4), (5) łączących: przestrzeń S z rozmieszczonym w niej zbiorem przeszkód O oraz zbiorem przestrzeni widocznych z punktów, ) przestrzeni S. Zakłada się, że przeszkody leżą wewnątrz przestrzeni, związek ten opisuje ograniczenie:, $ 1,,%, (4) gdzie: * + - część wspólna obszarów ograniczonych wielokątami *, +. Zasięg widzenia z wybranych m punktów przestrzeni S spełnia poniższe ograniczenie 6 5 ', 7 8 \ 5 "7 ", (5) gdzie: " podprzestrzeń przestrzeni zajmowana przez j-tą przeszkodę, 5 * 7,:,;<, =, :, >?, zbiór robotów: * * *.,,,, 6, (6) 379
6 G. Bocewicz, R. Wójcik, Z. Banaszak 380 gdzie: wielokąt prosty reprezentujący i-ty robot inspekcyjny, scharakteryzowany zbiorem o #$ liczba wierzchołków wielokąta, A liczba robotów inspekcyjnych. : < $ 1,2,,A rodzina zbiorów trajektorii robotów. gdzie: <,,, C trajektoria robota, stanowiąca sekwencję kolejnych pozycji robota, gdzie: " wielokąt prosty reprezentujący położenie i-tego robota w j-tym kroku. ;< τ< < : zbiór czasów realizacji trajektorii <. = rodzina zbiorów dopuszczalnych współrzędnych składających się na przestrzenie zajmowane przez roboty ze zbioru P: =, =,,, =,6 1, gdzie =, - dziedzina przeszkody : =,, =,," =,,", 2 =,,". : rodzina zbiorów dopuszczalnych trajektorii robotów: :,?,,,?,6 1, gdzie?, jest zbiorem dopuszczalnych współrzędnych punktów składających się na kolejne pozycje " i-tej trajektorii robota. >? zbiór czasów realizacji trajektorii < robota P i : DE, >?,,, >?,6 1, gdzie: >?, F. OG R zbiór ograniczeń łączących zbiory robotów, zbiory trajektorii robotów oraz czasów ich realizacji: Położenie początkowe robota, odpowiada pierwszemu elementowi sekwencji trajektorii T i, tzn.. (7) Długość G trajektorii <,, ",, C określa liczbę elementarnych kroków tej trajektorii (zakłada się, że każda trajektoria ma tą samą długość tzn. każdy robot realizuję tę (8) samą liczbę kroków). Czas przemieszczenia ", "I i-tego robota między kolejnymi pozycjami ", "I. Przyjmuje się, że czas przemieszczania jest stały w każdym kroku i niezależny (9) od rodzaju robota. Przyjmując, że G oznacza długość trajektorii <, oraz zakładając, że każda trajektoria ma tą samą długość, tzn. każdy robot realizuję tę samą liczbę kroków: J< GK1, $ 1,,A. (10) zbiór ograniczeń łączących z.
7 Integracja problemów doboru, alokacji i planowania Czas realizacji trajektorii każdego robota ograniczony jest przez wartość zadanego horyzontu czasu (11) < 8, $ 1,,A. (11) Cała przestrzeń (z wykluczeniem obszarów zajętych przez przeszkody ), powinna być w zasięgu widzenia zespołu robotów przemieszczających się wzdłuż trajektorii < (12) 6 C M M ' " 7 "7 \N5 7 O. (12) W trakcie przemieszczania roboty nie powinny: opuszczać obszaru określony przestrzenią (13), zajmować wspólnego obszaru z przeszkodami (14) oraz zajmować wspólny obszar z innymi robotami (15) " ", $ 1,,A, 2 1,,G, (13) " N5! O, $ 1,,A, 2 1,,G, (14)!7 Q R, S T ), S,) 1,,A, $ 1,,G. (15) 4. PROBLEM SPEŁNIENIA OGRANICZEŃ Sformułowany wyżej Problem Spełnienia Ograniczeń (PSO),, można sprowadzić do standardowej postaci,,,,:,;<,,,, =, :, >?,4,5,7,8,9,10, 11, 12, 13, 14, 15 [3, 4, 12]. Dwupoziomowa struktura PSO (rys. 2) oddaje referencyjny charakter deklaratywnego modelu problemu doboru, alokacji i planowania działań grupy robotów mobilnych wyróżnia składowe związane odpowiednio ze środowiskiem i poruszającymi się w nim obiektami oraz determinuje związki łączące te składowe. 11,12,13,14,15,:,;<, =, :, >?,7,8,9,10,,,,,,4,5 Rys. 2. Model referencyjny deklaratywnej reprezentacji problemu doboru, alokacji i planowania działań grupy robotów mobilnych Przyjmując, że przez rodzinę trajektorii : rozumiany jest zbiór dopuszczalnych tras, wzdłuż, których mogą poruszać się roboty wewnątrz zadanej przestrzeni (w rozważanym przypadku zbiór ten reprezentowany jest przez przestrzeń (wielokąt) określającą obszar pozycji osiągalnych przez roboty) rozważny problem sprowadza 381
8 G. Bocewicz, R. Wójcik, Z. Banaszak się do odpowiedzi na następujące pytanie: Czy istnieją takie trajektorie ruchu poszczególnych robotów :, które gwarantują przeszukanie całej przestrzeni w zadanym horyzoncie czasu? Takie sformułowanie problemu zakłada, że wszystkie pozostałe zmienne traktowane są jako stałe. Spostrzeżenie to pozwala zredukować problem do problemu ]:, :,^_, (16) gdzie: : rodzina zbiorów zmiennych decyzyjnych (trajektorii robotów), : < $ 1,2,,A, : rodzina dziedzin zmiennych decyzyjnych, :,?,,,?,6 1,?, - dziedzina zmiennej < określającej trajektorię i-tego robota, <?,, ^ zbiór ograniczeń zawierający ograniczenia (4), (5), (7) (15). Rozwiązanie problemu (16) (i jednocześnie udzielenie odpowiedzi na postawione pytanie) sprowadza się do znalezienia takich wartości zmiennych : (trajektorii), dla których spełnione są wszystkie ograniczenia zbioru ^. Oznacza to, że rozważany problem jest dedykowany dla pytań dotyczących poszukiwania trajektorii robotów spełniających określone (zadane) wymagania. Oczywiście, w analogiczny sposób (polegający na wydzieleniu ze zbioru,,,,:,;< określonych zmiennych decyzyjnych) można konstruować problemy odnoszące się od innych kategorii pytań między innymi: Czy istnieje rozmieszczenie przeszkód, dla których możliwe jest przeszukanie przestrzeni przez dany zespół robotów w zadanym horyzoncie czasu? (odpowiedź uzyskiwana dla rozwiązania ze zmiennymi decyzyjnymi ), Jakie terminy ;<, gwarantują przeszukanie przestrzeni przez zespół robotów? (problem ze zmiennymi decyzyjnymi ;<), itd. Przykład rozwiązania problemu (16) przedstawia poniższy rozdział. 5. WARIANTOWANIE STRUKTURY WIELOOBROTOWEGO SYSTEMU INSPEKCYJNEGO Przedstawione ilustracje wariantowania struktury wieloobrotowego systemu inspekcyjnego odpowiadają pierwszemu z wcześniej przedstawionych sformułowań problemu, problem doboru, alokacji i planowania działań grupy robotów problemowi wprost. Dana jest przestrzeń przeszukiwania jak na rysunku 1: 382 ]0,0,0,100,100,100,100,0_. W przestrzeni rozmieszczone są dwie przeszkody, o współrzędnych wierzchołków: 15,20,50,20,50,25,25,25,25,70,35,70,35,50, 30,50,30,75,15,75, 65,45,90,45,90,40,80,40,80,30,75,30,75,40.
9 Integracja problemów doboru, alokacji i planowania Dane są dwa roboty inspekcyjne i o kształcie kwadratu (wymiary 10a 10). W przestrzeni wyróżniono 4 pozycje początkowe (,, &, b ), od których roboty inspekcyjne mogą rozpoczynać pracę:,,, &, b. Przyjmuje się, że każdy robot w jednym kroku może przebyć odległość nie większą niż: c 5 2 (co odpowiada połowie przekątnej kwadratu reprezentującego roboty), natomiast czas przemieszczania każdego robota w ramach jednego kroku wynosi 1 u.j.c. (umownych jednostek czasu). Dana jest przestrzeń jak na rysunku 1, w której zespół robotów w skład, którego wchodzą dwa identyczne roboty mobilne w kształcie kwadratu (wymiary 10a10). Założenia dotyczące ruchu robotów są takie jak w przykładzie I ( c 5 2, 1 u.j.c.). Poszukiwana jest odpowiedź na pytanie: Czy istnieje taka kombinacja pozycji początkowych,,, &, b, której odpowiadają trajektorie (<, < ), pozwalające na przeszukanie całej przestrzeni w czasie nieprzekraczającym = 25 u.j.c? Problem został sformułowany, jako PSO (15) i rozwiązany przy użyciu algorytmu FeasiblePositions [6] w środowisku Oz Mozart. Na rysunku 3 przedstawiono otrzymane rozwiązanie dla pozycji początkowych, &. Obydwie trajektorie <, < wymagają realizacji 24 kroków co odpowiada 24 u.j.c. założony horyzont nie został przekroczony. Odpowiedź na postawione pytanie jest następująca: rozważany zespół dwóch robotów przeszuka całą przestrzeń w czasie nieprzekraczającym 24 u.j.c. jeżeli rozpoczną pracę z pozycji, &. 6. ZAKOŃCZENIE Spośród wielu potencjalnych zadań, z zakresu zarządzania kryzysowego, wchodzących w zakres misji zespołu inspekcyjnych robotów mobilnych warto wymienić: wykonywanie zadań związanych z monitorowaniem zagrożeń, z oceną skutków zjawisk zaistniałych na obszarze występowania zagrożeń, wykonywanie zadań poszukiwawczo-ratowniczych, usuwanie materiałów niebezpiecznych i ich unieszkodliwianie, likwidowanie skażeń chemicznych oraz skażeń i zakażeń biologicznych, usuwanie skażeń promieniotwórczych, wykonywanie zadań związanych z naprawą i odbudową infrastruktury technicznej, współudział w zapewnieniu przejezdności szlaków komunikacyjnych, a także współudział w ochronie mienia pozostawionego na obszarze występowania zagrożeń. Zagadnienia tej klasy znajdują swoje zastosowanie w szeregu innych dziedzinach związanych np. inspekcją parkingów i/lub podziemnych garaży, sprzątaniem pomieszczeń itp. Przedstawione rozwiązanie wpisuje się w oczekiwania związane z budową metodyki wariantowania złożonych systemów wieloobrotowych systemów obejmujących grupy współpracujących, autonomicznych robotów mobilnych. W szczególności, 383
10 G. Bocewicz, R. Wójcik, Z. Banaszak oczekiwania związane ze skalowalnością, rozszerzalnością i odpornością algorytmów III II IV Legenda: (vx i,1,vy i,1) (vx i,4,vy i,4) (vx i,2,vy i,2) (vx i,3,vy i,3) I robot inspekcyjny o współrzędnych wierzchołków: (vx i,1,vy i,1 ), (vx i,2,vy i,2 ), (vx i,3,vy i,3 ), (vx i,4,vy i,4 ),,! i-ta przeszkoda o współrzędnych wierzchołków:,,,,,,!,,& obszar niewidoczny dla robotów i i-ta potencjalna pozycja dokowania początkowego Rys. 3. Rozwiązanie dla pozycji początkowych, & koordynacji działań grupy robotów mobilnych w sposób naturalny gwarantowane są strukturą problemu PSO, tzn. zbiorem zmiennych, dziedzin ich zmienności oraz zbiorem ograniczeń. Struktura ta pozwala uwzględniać wszelkie rozszerzenia tak w zakresie floty robotów jak i środowiska, w którym realizują one swoje zadania. Naturalną, również wynikającą ze struktury PSO, zaletą proponowanego ujęcia deklaratywnego jest tak możliwość formułowania różnych pytań jak i implementowania strategii poszukiwania rozwiązań, strategii uwzględniających specyfikę rozważanej klasy zagadnień. Przedstawione badania będą kontynuowane w zakresie przemieszczania się robotów w formacjach (np. robot rozpoznawczy poprzedza robota ewakuacyjnego) oraz w sytuacjach, w których roboty wykrywają swoją wzajemna obecność, a także muszą podejmować decyzje unikające wzajemnych zakleszczeń. Osobny kierunek badań implikowany niepełną lub zakłóconą informacją o systemie, środowisku i obiekcie, wiąże się z koniecznością zastosowania rozmytych systemów wnioskujących [7]. Po- 384
11 Integracja problemów doboru, alokacji i planowania trzeba taka wymaga opracowania odpowiednich, rozmytych modeli problemu spełnienia ograniczeń oraz związanych z nimi procedur podejmowania decyzji. LITERATURA [1] Będkowski J., Kowalski G., Masłowski A.: Wielorobotowy mobilny system inspekcyjno-interwencyjny, Prace Naukowe Politechniki Warszawskiej: Elektronika, 2008, z. 166, Tom 2, s [2] Bocewicz G., Banaszak Z.: Deklaratywny model mobilnego systemu inspekcyjnego. Pomiary Automatyka Robotyka, PAR, nr 2/2011, s [3] Bocewicz G., Bach I., Banaszak Z.: Logic-algebraic method based and constraints programming driven approach to AGVs scheduling. In: International Journal of Intelligent Information and Database Systems, Vol.3, No 1, 2009, s [4] Bocewicz G., Banaszak Z., Wójcik R.: Design of admissible schedules for AGV systems with constraints: a logic-algebraic approach. In: Agent and Multi-Agent Systems: Technologies and Applications, Nguyen N.T., Grzech A., et al. (Eds.), Lecture Notes in Artificial Intelligence 4496, Springer-Verlag, Berlin, Heidelberg, 2007, s [5] Bocewicz G., Banaszak Z.: Cyclic processes scheduling. In: Applied Computer Science: Production engineering IT-driven concepts, Bzdyra K., Mleczko J. (Eds), Vol. 6, No. 2, 2010, Wydawnictwo Uczelniane Politechniki Koszalińskiej, s [6] Bocewicz G., Bzdyra K., Banaszak Z.: Wariantowanie struktury wieloobrotowych systemów inspekcyjnych, W: Inżynieria Produkcji, Bielsko Biała, 2010, (w druku). [7] Bocewicz G., Wójcik R., Banaszak Z.: AGVs distributed control subject to imprecise operation times. In: Agent and Multi-Agent Systems: Technologies and Applications, Lecture Notes in Artificial Intelligence, LNAI, Springer-Verlag, Vol. 4953, 2008, s [8] Borodzicz E. P.: Risk, Crisis and Security Management. West Sussex, England: John Wiley and Sons Ltd., [9] Nowak E.: Zarządzanie kryzysowe w sytuacjach zagrożeń niemilitarnych. AON, Warszawa, [10] Panfil W., Moczulski M.: System sterowania grupą robotów inspekcyjnych opis badań wstępnych. Prace Naukowe Politechniki Warszawskiej: Elektronika, Z. 175, Tom 1, 2010, s [11] Puchan D., Skrzypczyński P.: Perspektywy wykorzystania robotów mobilnych w działaniach poszukiwawczych podczas katastrof budowlanych, Pomiary Automatyka Robotyka, PAR, nr 2/2008, s [12] Schulte CH., Smolka G., Wurtz J.: Finite Domain Constraint Programming in Oz, DFKI OZ documentation series, German Research Center for Artificial Intelligence, Stuhlsaltzenhausweg 3, D Saarbrucken, Germany, [13] Ustawa z dnia 29 października 2010 r. o zmianie ustawy o zarządzaniu kryzysowym, Dz.U.2010 nr 240 poz
12
INTEGRACJA PROBLEMÓW DOBORU, ALOKACJI I PLANOWANIA DZIAŁAŃ ZESPOŁU MOBILNYCH ROBOTÓW INSPEKCYJNYCH: MODEL DEKLARATYWNY
Grzegorz Bocewicz 1, Krzysztof Bzdyra 2 Zbigniew Banaszak 3 INTEGRACJA PROBLEMÓW DOBORU, ALOKACJI I PLANOWANIA DZIAŁAŃ ZESPOŁU MOBILNYCH ROBOTÓW INSPEKCYJNYCH: MODEL DEKLARATYWNY Streszczenie. Rozważany
Bardziej szczegółowoIntegracja problemów doboru, alokacji i planowania działań zespołu mobilnych robotów inspekcyjnych: Model deklaratywny
GRZEGORZ BOCEWICZ KRZYSZTOF BZDYRA ZBIGNIEW BANASZAK Integracja problemów doboru, alokacji i planowania działań zespołu mobilnych robotów inspekcyjnych: Model deklaratywny 1. Wprowadzenie Zgodnie z ustawą
Bardziej szczegółowoMODEL REFERENCYJNY PROBLEMU HARMONOGRAMOWANIA WÓZKÓW SAMOJEZDNYCH: PODEJSCIE DEKLARATYWNE
INŻYNIERIA OPROGRAMOWANIA W PROCESACH INTEGRACJI SYSTEMÓW INFORMATYCZNYCH Pod redakcją J. Górskiego C. Orłowskiego 2011 PWNT Gdańsk MODEL REFERENCYJNY PROBLEMU HARMONOGRAMOWANIA WÓZKÓW SAMOJEZDNYCH: PODEJSCIE
Bardziej szczegółowoPROTOTYPING OF SOFTWARE PROJECTS AT RISK OF FAILURE
Marcin Relich * WARIANTOWANIE PRZEDSIĘWZIĘĆ INFORMATYCZNYCH ZAGROŻONYCH NIEPOWODZENIEM PROTOTYPING OF SOFTWARE PROJECTS AT RISK OF FAILURE W działalności współczesnych organizacji coraz większego znaczenia
Bardziej szczegółowoUNIKANIE IMPASÓW W SYSTEMACH PROCESÓW WSPÓŁBIEŻNYCH
UNIKANIE IMPASÓW W SYSTEMACH PROCESÓW WSPÓŁBIEŻNYCH Robert Wójcik Instytut Cybernetyki Technicznej Politechniki Wrocławskiej 1. Impasy w systemach procesów współbieżnych 2. Klasyczne algorytmy unikania
Bardziej szczegółowoPROGRAMOWANIE DYNAMICZNE W ROZMYTYM OTOCZENIU DO STEROWANIA STATKIEM
Mostefa Mohamed-Seghir Akademia Morska w Gdyni PROGRAMOWANIE DYNAMICZNE W ROZMYTYM OTOCZENIU DO STEROWANIA STATKIEM W artykule przedstawiono propozycję zastosowania programowania dynamicznego do rozwiązywania
Bardziej szczegółowoAproksymacja funkcji a regresja symboliczna
Aproksymacja funkcji a regresja symboliczna Problem aproksymacji funkcji polega na tym, że funkcję F(x), znaną lub określoną tablicą wartości, należy zastąpić inną funkcją, f(x), zwaną funkcją aproksymującą
Bardziej szczegółowoZad. 6: Sterowanie robotami mobilnymi w obecności przeszkód
Zad. 6: Sterowanie robotami mobilnymi w obecności przeszkód 1 Cel ćwiczenia Utrwalenie umiejętności modelowania kluczowych dla danego problemu pojęć. Tworzenie diagramu klas oraz czynności. Wykorzystanie
Bardziej szczegółowoZad. 7: Sterowanie robotami mobilnymi w obecności przeszkód
Zad. 7: Sterowanie robotami mobilnymi w obecności przeszkód 1 Cel ćwiczenia Utrwalenie umiejętności modelowania kluczowych dla danego problemu pojęć. Tworzenie diagramu klas oraz czynności. Wykorzystanie
Bardziej szczegółowoINSTRUKCJA DO ĆWICZENIA NR 1
L01 ---2014/10/17 ---10:52---page1---#1 KATEDRA MECHANIKI STOSOWANEJ Wydział Mechaniczny POLITECHNIKA LUBELSKA INSTRUKCJA DO ĆWICZENIA NR 1 PRZEDMIOT TEMAT Wybrane zagadnienia z optymalizacji elementów
Bardziej szczegółowoProgramowanie liniowe
Programowanie liniowe Maciej Drwal maciej.drwal@pwr.wroc.pl 1 Problem programowania liniowego min x c T x (1) Ax b, (2) x 0. (3) gdzie A R m n, c R n, b R m. Oznaczmy przez x rozwiązanie optymalne, tzn.
Bardziej szczegółowoWYDZIAŁ ELEKTROTECHNIKI I AUTOMATYKI KATEDRA AUTOMATYKI. Robot do pokrycia powierzchni terenu
WYDZIAŁ ELEKTROTECHNIKI I AUTOMATYKI KATEDRA AUTOMATYKI Robot do pokrycia powierzchni terenu Zadania robota Zadanie całkowitego pokrycia powierzchni na podstawie danych sensorycznych Zadanie unikania przeszkód
Bardziej szczegółowoZASTOSOWANIE METODY LOGICZNO- ALGEBRAICZNEJ I TECHNIK PROGRAMOWANIA Z OGRANICZENIAMI DO BADANIA POPRAWNO CI BAZY WIEDZY
Grzegorz BOCEWICZ Politechnika Koszali ska ZASTOSOWANIE METODY LOGICZNO- ALGEBRAICZNEJ I TECHNIK PROGRAMOWANIA Z OGRANICZENIAMI DO BADANIA POPRAWNO CI BAZY WIEDZY 1. Wst p Badaj c baz wiedzy dowolnego
Bardziej szczegółowoz ograniczeniami do wariantowania przedsięwzięć informatycznych
Wykorzystanie technik programowania z ograniczeniami 99 Marcin RELICH Zakład Controllingu i Informatyki Ekonomicznej, Uniwersytet Zielonogórski E mail: m.relich@wez.uz.zgora.pl Wykorzystanie technik programowania
Bardziej szczegółowoLogiczna reprezentacja wiedzy i metoda logiczno-algebraiczna
Logiczna reprezentacja wiedzy i metoda logiczno-algebraiczna dr inż. Grzegorz ilcek & dr inż. Maciej Hojda Zakład Inteligentnych Systemów Wspomagania Decyzji, Instytut Informatyki, Politechnika Wrocławska
Bardziej szczegółowoĆwiczenie 1 Planowanie trasy robota mobilnego w siatce kwadratów pól - Algorytm A
Ćwiczenie 1 Planowanie trasy robota mobilnego w siatce kwadratów pól - Algorytm A Zadanie do wykonania 1) Utwórz na pulpicie katalog w formacie Imię nazwisko, w którym umieść wszystkie pliki związane z
Bardziej szczegółowow analizie wyników badań eksperymentalnych, w problemach modelowania zjawisk fizycznych, w analizie obserwacji statystycznych.
Aproksymacja funkcji a regresja symboliczna Problem aproksymacji funkcji polega na tym, że funkcję F(), znaną lub określoną tablicą wartości, należy zastąpić inną funkcją, f(), zwaną funkcją aproksymującą
Bardziej szczegółowoMetoda określania pozycji wodnicy statków na podstawie pomiarów odległości statku od głowic laserowych
inż. Marek Duczkowski Metoda określania pozycji wodnicy statków na podstawie pomiarów odległości statku od głowic laserowych słowa kluczowe: algorytm gradientowy, optymalizacja, określanie wodnicy W artykule
Bardziej szczegółowoPolitechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania
Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania KOMPUTEROWE SYSTEMY STEROWANIA I WSPOMAGANIA DECYZJI Rozproszone programowanie produkcji z wykorzystaniem
Bardziej szczegółowoZałącznik 2a Autoreferat przedstawiający opis dorobku i osiągnięć naukowych
Załącznik 2a Autoreferat przedstawiający opis dorobku i osiągnięć naukowych Grzegorz Bocewicz 2014-04-25 Spis treści 1. WPROWADZENIE... 4 2. DANE OSOBOWE... 6 2.1. Imię, nazwisko, stopień... 6 2.2. Posiadane
Bardziej szczegółowoTemat 1. Wprowadzenie do nawigacji robotów mobilnych. Dariusz Pazderski Opracowanie w ramach programu ERA Inżyniera
Kurs: Algorytmy Nawigacji Robotów Mobilnych Temat 1 Wprowadzenie do nawigacji robotów mobilnych 1 Pojęcia podstawowe Dariusz Pazderski Opracowanie w ramach programu ERA Inżyniera Na początku wprowadzimy
Bardziej szczegółowoPlanowanie drogi robota, algorytm A*
Planowanie drogi robota, algorytm A* Karol Sydor 13 maja 2008 Założenia Uproszczenie przestrzeni Założenia Problem planowania trasy jest bardzo złożony i trudny. W celu uproszczenia problemu przyjmujemy
Bardziej szczegółowoProblemy z ograniczeniami
Problemy z ograniczeniami 1 2 Dlaczego zadania z ograniczeniami Wiele praktycznych problemów to problemy z ograniczeniami. Problemy trudne obliczeniowo (np-trudne) to prawie zawsze problemy z ograniczeniami.
Bardziej szczegółowoII. Równania autonomiczne. 1. Podstawowe pojęcia.
II. Równania autonomiczne. 1. Podstawowe pojęcia. Definicja 1.1. Niech Q R n, n 1, będzie danym zbiorem i niech f : Q R n będzie daną funkcją określoną na Q. Równanie różniczkowe postaci (1.1) x = f(x),
Bardziej szczegółowoUniwersytet Zielonogórski Wydział Elektrotechniki, Informatyki i Telekomunikacji Instytut Sterowania i Systemów Informatycznych
Uniwersytet Zielonogórski Wydział Elektrotechniki, Informatyki i Telekomunikacji Instytut Sterowania i Systemów Informatycznych ELEMENTY SZTUCZNEJ INTELIGENCJI Laboratorium nr 9 PRZESZUKIWANIE GRAFÓW Z
Bardziej szczegółowoWstęp do Sztucznej Inteligencji
Wstęp do Sztucznej Inteligencji Rozwiązywanie problemów-i Joanna Kołodziej Politechnika Krakowska Wydział Fizyki, Matematyki i Informatyki Rozwiązywanie problemów Podstawowe fazy: Sformułowanie celu -
Bardziej szczegółowodoc. dr Beata Pułska-Turyna Zarządzanie B506 mail: mgr Piotr J. Gadecki Zakład Badań Operacyjnych Zarządzania B 505.
doc. dr Beata Pułska-Turyna Zakład Badań Operacyjnych Zarządzanie B506 mail: turynab@wz.uw.edu.pl mgr Piotr J. Gadecki Zakład Badań Operacyjnych Zarządzania B 505. Tel.: (22)55 34 144 Mail: student@pgadecki.pl
Bardziej szczegółowoPolitechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania
Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania Metody optymalizacji Metody poszukiwania ekstremum funkcji jednej zmiennej Materiały pomocnicze do ćwiczeń
Bardziej szczegółowoWyznaczanie optymalnej trasy problem komiwojażera
Wyznaczanie optymalnej trasy problem komiwojażera Optymalizacja w podejmowaniu decyzji Opracowała: mgr inż. Natalia Malinowska Wrocław, dn. 28.03.2017 Wydział Elektroniki Politechnika Wrocławska Plan prezentacji
Bardziej szczegółowoAUTOMATYZACJA PROCESÓW CIĄGŁYCH I WSADOWYCH
AUTOMATYZACJA PROCESÓW CIĄGŁYCH I WSADOWYCH kierunek Automatyka i Robotyka Studia II stopnia specjalności Automatyka Dr inż. Zbigniew Ogonowski Instytut Automatyki, Politechnika Śląska Plan wykładu pojęcia
Bardziej szczegółowoRozszerzony konspekt preskryptu do przedmiotu Podstawy Robotyki
Projekt współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego Rozszerzony konspekt preskryptu do przedmiotu Podstawy Robotyki dr inż. Marek Wojtyra Instytut Techniki Lotniczej
Bardziej szczegółowoDocument: Exercise*02*-*manual /11/ :31---page1of8 INSTRUKCJA DO ĆWICZENIA NR 2
Document: Exercise*02*-*manual ---2014/11/12 ---8:31---page1of8 PRZEDMIOT TEMAT KATEDRA MECHANIKI STOSOWANEJ Wydział Mechaniczny POLITECHNIKA LUBELSKA INSTRUKCJA DO ĆWICZENIA NR 2 Wybrane zagadnienia z
Bardziej szczegółowoOptymalizacja. Przeszukiwanie lokalne
dr hab. inż. Instytut Informatyki Politechnika Poznańska www.cs.put.poznan.pl/mkomosinski, Maciej Hapke Idea sąsiedztwa Definicja sąsiedztwa x S zbiór N(x) S rozwiązań, które leżą blisko rozwiązania x
Bardziej szczegółowoPolitechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania
Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania Metody optymalizacji Metody bezgradientowe optymalizacji bez ograniczeń Materiały pomocnicze do ćwiczeń
Bardziej szczegółowoWIZUALIZACJA I STEROWANIE ROBOTEM
Maciej Wochal, Opiekun koła: Dr inż. Dawid Cekus Politechnika Częstochowska, Wydział Inżynierii Mechanicznej i Informatyki, Instytut Mechaniki i Podstaw Konstrukcji Maszyn, Koło Naukowe Komputerowego Projektowania
Bardziej szczegółowoMetody optymalizacji dyskretnej
Metody optymalizacji dyskretnej Spis treści Spis treści Metody optymalizacji dyskretnej...1 1 Wstęp...5 2 Metody optymalizacji dyskretnej...6 2.1 Metody dokładne...6 2.2 Metody przybliżone...6 2.2.1 Poszukiwanie
Bardziej szczegółowoINFORMATYKA SYSTEMÓW AUTONOMICZNYCH
Katarzyna Wojewoda 133413 Wrocław, 05. 06. 2007 INFORMATYKA SYSTEMÓW AUTONOMICZNYCH PRACA ZALICZENIOWA Reprezentacje wiedzy w systemach autonomicznych: Reprezentacja potencjałowa Prowadzący: Dr inŝ. Marek
Bardziej szczegółowo10.3. Typowe zadania NMT W niniejszym rozdziale przedstawimy podstawowe zadania do jakich może być wykorzystany numerycznego modelu terenu.
Waldemar Izdebski - Wykłady z przedmiotu SIT 91 10.3. Typowe zadania NMT W niniejszym rozdziale przedstawimy podstawowe zadania do jakich może być wykorzystany numerycznego modelu terenu. 10.3.1. Wyznaczanie
Bardziej szczegółowoZASTOSOWANIE ROBOTÓW MOBILNYCH W SYMULACYJNYM BADANIU CZASU EWAKUACJI
Marcin Pluciński ZASTOSOWANIE ROBOTÓW MOBILNYCH W SYMULACYJNYM BADANIU CZASU EWAKUACJI Streszczenie Pomieszczenia, w których znajdują się duże grupy ludzi można traktować jako system złożony. Wiele z własności
Bardziej szczegółowoData Mining Wykład 9. Analiza skupień (grupowanie) Grupowanie hierarchiczne O-Cluster. Plan wykładu. Sformułowanie problemu
Data Mining Wykład 9 Analiza skupień (grupowanie) Grupowanie hierarchiczne O-Cluster Plan wykładu Wprowadzanie Definicja problemu Klasyfikacja metod grupowania Grupowanie hierarchiczne Sformułowanie problemu
Bardziej szczegółowoMetody Programowania
POLITECHNIKA KRAKOWSKA - WIEiK KATEDRA AUTOMATYKI i TECHNIK INFORMACYJNYCH Metody Programowania www.pk.edu.pl/~zk/mp_hp.html Wykładowca: dr inż. Zbigniew Kokosiński zk@pk.edu.pl Wykład 8: Wyszukiwanie
Bardziej szczegółowoDROGA ROZWOJU OD PROJEKTOWANIA 2D DO 3D Z WYKORZYSTANIEM SYSTEMÓW CAD NA POTRZEBY PRZEMYSŁU SAMOCHODOWEGO
Marta KORDOWSKA, Andrzej KARACZUN, Wojciech MUSIAŁ DROGA ROZWOJU OD PROJEKTOWANIA 2D DO 3D Z WYKORZYSTANIEM SYSTEMÓW CAD NA POTRZEBY PRZEMYSŁU SAMOCHODOWEGO Streszczenie W artykule omówione zostały zintegrowane
Bardziej szczegółowoPRZEWODNIK PO PRZEDMIOCIE
Nazwa przedmiotu: Programowanie liniowe w technice Linear programming in engineering problems Kierunek: Rodzaj przedmiotu: obowiązkowy na kierunku matematyka przemysłowa Rodzaj zajęć: wykład, laboratorium,
Bardziej szczegółowoAutomatyczne planowanie oparte na sprawdzaniu spełnialności
Automatyczne planowanie oparte na sprawdzaniu spełnialności Linh Anh Nguyen Instytut Informatyki Uniwersytet Warszawski Linh Anh Nguyen Algorytm planowania SatPlan 1 Problem planowania sufit nie malowany?
Bardziej szczegółowoHeurystyczne metody przeszukiwania
Heurystyczne metody przeszukiwania Dariusz Banasiak Katedra Informatyki Technicznej W4/K9 Politechnika Wrocławska Pojęcie heurystyki Metody heurystyczne są jednym z ważniejszych narzędzi sztucznej inteligencji.
Bardziej szczegółowoInstytut Politechniczny Państwowa Wyższa Szkoła Zawodowa. Diagnostyka i niezawodność robotów
Instytut Politechniczny Państwowa Wyższa Szkoła Zawodowa Diagnostyka i niezawodność robotów Laboratorium nr 6 Model matematyczny elementu naprawialnego Prowadzący: mgr inż. Marcel Luzar Cele ćwiczenia:
Bardziej szczegółowoMechanika Robotów. Wojciech Lisowski. 5 Planowanie trajektorii ruchu efektora w przestrzeni roboczej
Katedra Robotyki i Mechatroniki Akademia Górniczo-Hutnicza w Krakowie Mechanika Robotów Wojciech Lisowski 5 Planowanie trajektorii ruchu efektora w przestrzeni roboczej Mechanika Robotów KRiM, WIMIR, AGH
Bardziej szczegółowoPlan. Zakres badań teorii optymalizacji. Teoria optymalizacji. Teoria optymalizacji a badania operacyjne. Badania operacyjne i teoria optymalizacji
Badania operacyjne i teoria optymalizacji Instytut Informatyki Poznań, 2011/2012 1 2 3 Teoria optymalizacji Teoria optymalizacji a badania operacyjne Teoria optymalizacji zajmuje się badaniem metod optymalizacji
Bardziej szczegółowoKADD Minimalizacja funkcji
Minimalizacja funkcji n-wymiarowych Forma kwadratowa w n wymiarach Procedury minimalizacji Minimalizacja wzdłuż prostej w n-wymiarowej przestrzeni Metody minimalizacji wzdłuż osi współrzędnych wzdłuż kierunków
Bardziej szczegółowoBadania operacyjne: Wykład Zastosowanie kolorowania grafów w planowaniu produkcji typu no-idle
Badania operacyjne: Wykład Zastosowanie kolorowania grafów w planowaniu produkcji typu no-idle Paweł Szołtysek 12 czerwca 2008 Streszczenie Planowanie produkcji jest jednym z problemów optymalizacji dyskretnej,
Bardziej szczegółowoOPTYMALIZACJA ZBIORNIKA NA GAZ PŁYNNY LPG
Leon KUKIEŁKA, Krzysztof KUKIEŁKA, Katarzyna GELETA, Łukasz CĄKAŁA OPTYMALIZACJA ZBIORNIKA NA GAZ PŁYNNY LPG Streszczenie Praca dotyczy optymalizacji kształtu zbiornika toroidalnego na gaz LPG. Kryterium
Bardziej szczegółowoTOZ -Techniki optymalizacji w zarządzaniu
TOZ -Techniki optymalizacji w zarządzaniu Wykład dla studentów II roku studiów II stopnia na kierunku Zarządzanie Semestr zimowy 2009/2010 Wykładowca: prof. dr hab. inż. Michał Inkielman Wykład 2 Optymalizacja
Bardziej szczegółowoModele multimodalnych procesów cyklicznych
POLITECHNIKA KOSZALIŃSKA Grzegorz Bocewicz Modele multimodalnych procesów cyklicznych KOSZALIN 2013 MONOGRAFIA NR 254 WYDZIAŁ ELEKTRONIKI I INFORMATYKI ISSN 0239-7129 ISBN 978-83-7365-316-0 Przewodniczący
Bardziej szczegółowoWielokryteriowa optymalizacja liniowa
Wielokryteriowa optymalizacja liniowa 1. Przy decyzjach złożonych kierujemy się zwykle więcej niż jednym kryterium. Postępowanie w takich sytuacjach nie jest jednoznaczne. Pojawiło się wiele sposobów dochodzenia
Bardziej szczegółowoProgramowanie celowe #1
Programowanie celowe #1 Problem programowania celowego (PC) jest przykładem problemu programowania matematycznego nieliniowego, który można skutecznie zlinearyzować, tzn. zapisać (i rozwiązać) jako problem
Bardziej szczegółowoZad. 3: Układ równań liniowych
1 Cel ćwiczenia Zad. 3: Układ równań liniowych Wykształcenie umiejętności modelowania kluczowych dla danego problemu pojęć. Definiowanie właściwego interfejsu klasy. Zwrócenie uwagi na dobór odpowiednich
Bardziej szczegółowoSTEROWANIE POZIOMEM PŁYNNOŚCI FINANSOWEJ W MAŁYM PRZEDSIĘBIORSTWIE PRZY WYKORZYSTANIU TECHNIK PROGRAMOWANIA W LOGICE Z OGRANICZENIAMI
mgr inż. Marcin Relich dr inż. Paweł Kużdowicz Uniwersytet Zielonogórski, Wydział Ekonomii i Zarządzania, Zakład Controllingu i Informatyki Ekonomicznej mgr inż. Irena Bach Politechnika Koszalińska, Wydział
Bardziej szczegółowoROZDZIAŁ 5 SWZP (System Wariantowania Zleceń Produkcyjnych)
Krzysztof Bzdyra ROZDZIAŁ 5 SWZP System Wariantowania Zleceń Produkcynych 5.. Cel ćwiczenia Celem ćwiczenia est zapoznanie się ze strukturą i działaniem systemu komputerowo wspomaganego podemowania decyzi
Bardziej szczegółowoAdam Meissner SZTUCZNA INTELIGANCJA
Instytut Automatyki i Inżynierii Informatycznej Politechniki Poznańskiej Adam Meissner Adam.Meissner@put.poznan.pl http://www.man.poznan.pl/~ameis SZTUCZNA INTELIGANCJA Podstawy programowania z ograniczeniami
Bardziej szczegółowoZARZĄDZANIE KOMPETENCJAMI W PLANOWANIU PROCESÓW DYDAKTYCZNYCH
ZARZĄDZANIE KOMPETENCJAMI W PLANOWANIU PROCESÓW DYDAKTYCZNYCH Eryk SZWARC, Irena BACH-DĄBROWSKA Streszczenie: Wśród szeregu funkcjonalności występujących w komercyjnie dostępnych pakietach oprogramowania
Bardziej szczegółowoSpacery losowe generowanie realizacji procesu losowego
Spacery losowe generowanie realizacji procesu losowego Michał Krzemiński Streszczenie Omówimy metodę generowania trajektorii spacerów losowych (błądzenia losowego), tj. szczególnych procesów Markowa z
Bardziej szczegółowoFinanse i Rachunkowość studia niestacjonarne Wprowadzenie do teorii ciągów liczbowych (treść wykładu z 21 grudnia 2014)
dr inż. Ryszard Rębowski DEFINICJA CIĄGU LICZBOWEGO Finanse i Rachunkowość studia niestacjonarne Wprowadzenie do teorii ciągów liczbowych (treść wykładu z grudnia 04) Definicja ciągu liczbowego Spośród
Bardziej szczegółowoALGORYTM PROJEKTOWANIA ROZMYTYCH SYSTEMÓW EKSPERCKICH TYPU MAMDANI ZADEH OCENIAJĄCYCH EFEKTYWNOŚĆ WYKONANIA ZADANIA BOJOWEGO
Szybkobieżne Pojazdy Gąsienicowe (2) Nr 2, 24 Mirosław ADAMSKI Norbert GRZESIK ALGORYTM PROJEKTOWANIA CH SYSTEMÓW EKSPERCKICH TYPU MAMDANI ZADEH OCENIAJĄCYCH EFEKTYWNOŚĆ WYKONANIA ZADANIA BOJOWEGO. WSTĘP
Bardziej szczegółowoKOMPUTEROWY MODEL UKŁADU STEROWANIA MIKROKLIMATEM W PRZECHOWALNI JABŁEK
Inżynieria Rolnicza 8(117)/2009 KOMPUTEROWY MODEL UKŁADU STEROWANIA MIKROKLIMATEM W PRZECHOWALNI JABŁEK Ewa Wachowicz, Piotr Grudziński Katedra Automatyki, Politechnika Koszalińska Streszczenie. W pracy
Bardziej szczegółowoModele inżynierii teleinformatyki 9 (Wybrane zastosowania)
POLITECHNIKA KOSZALIŃSKA Modele inżynierii teleinformatyki 9 (Wybrane zastosowania) Redakcja Krzysztof Bzdyra KOSZALIN 2014 ISSN 2353-6535 ISBN 978-83-7365-365-8 Przewodniczący Uczelnianej Rady Wydawniczej
Bardziej szczegółowo1 Wstęp teoretyczny. Temat: Obcinanie odcinków do prostokąta. Grafika komputerowa 2D. Instrukcja laboratoryjna Prostokąt obcinający
Instrukcja laboratoryjna 3 Grafika komputerowa 2D Temat: Obcinanie odcinków do prostokąta Przygotował: dr inż. Grzegorz Łukawski, mgr inż. Maciej Lasota, mgr inż. Tomasz Michno 1 Wstęp teoretyczny 1.1
Bardziej szczegółowoProjekt i implementacja systemu wspomagania planowania w języku Prolog
Projekt i implementacja systemu wspomagania planowania w języku Prolog Kraków, 29 maja 2007 Plan prezentacji 1 Wstęp Czym jest planowanie? Charakterystyka procesu planowania 2 Przeglad istniejacych rozwiazań
Bardziej szczegółowoPoszukiwanie formy. 1) Dopuszczalne przemieszczenie pionowe dla kombinacji SGU Ciężar własny + L1 wynosi 40mm (1/500 rozpiętości)
Poszukiwanie formy Jednym z elementów procesu optymalizacji konstrukcji może być znalezienie optymalnej formy bryły, takiej, by zostały spełnione wymagane założenia projektowe. Oczywiście są sytuacje,
Bardziej szczegółowoUkłady równań i nierówności liniowych
Układy równań i nierówności liniowych Wiesław Krakowiak 1 grudnia 2010 1 Układy równań liniowych DEFINICJA 11 Układem równań m liniowych o n niewiadomych X 1,, X n, nazywamy układ postaci: a 11 X 1 + +
Bardziej szczegółowoZad. 6: Sterowanie robotem mobilnym
Zad. 6: Sterowanie robotem mobilnym 1 Cel ćwiczenia Utrwalenie umiejętności modelowania kluczowych dla danego problemu pojęć. Tworzenie diagramu klas, czynności oraz przypadków użycia. Wykorzystanie dziedziczenia
Bardziej szczegółowoPrzeszukiwanie z nawrotami. Wykład 8. Przeszukiwanie z nawrotami. J. Cichoń, P. Kobylański Wstęp do Informatyki i Programowania 238 / 279
Wykład 8 J. Cichoń, P. Kobylański Wstęp do Informatyki i Programowania 238 / 279 sformułowanie problemu przegląd drzewa poszukiwań przykłady problemów wybrane narzędzia programistyczne J. Cichoń, P. Kobylański
Bardziej szczegółowoProgramowanie dynamiczne i algorytmy zachłanne
Programowanie dynamiczne i algorytmy zachłanne Tomasz Głowacki tglowacki@cs.put.poznan.pl Zajęcia finansowane z projektu "Rozwój i doskonalenie kształcenia na Politechnice Poznańskiej w zakresie technologii
Bardziej szczegółowoPodejście memetyczne do problemu DCVRP - wstępne wyniki. Adam Żychowski
Podejście memetyczne do problemu DCVRP - wstępne wyniki Adam Żychowski Na podstawie prac X. S. Chen, L. Feng, Y. S. Ong A Self-Adaptive Memeplexes Robust Search Scheme for solving Stochastic Demands Vehicle
Bardziej szczegółowoAnaliza stanów gry na potrzeby UCT w DVRP
Analiza stanów gry na potrzeby UCT w DVRP Seminarium IO na MiNI 04.11.2014 Michał Okulewicz based on the decision DEC-2012/07/B/ST6/01527 Plan prezentacji Definicja problemu DVRP DVRP na potrzeby UCB Analiza
Bardziej szczegółowoOPISY PRZESTRZENNE I PRZEKSZTAŁCENIA
OPISY PRZESTRZENNE I PRZEKSZTAŁCENIA Wprowadzenie W robotyce przez pojęcie manipulacji rozumiemy przemieszczanie w przestrzeni przedmiotów i narzędzi za pomocą specjalnego mechanizmu. W związku z tym pojawia
Bardziej szczegółowoKalibracja robotów przemysłowych
Kalibracja robotów przemysłowych Rzeszów 27.07.2013 Kalibracja robotów przemysłowych 1. Układy współrzędnych w robotyce... 3 2 Deklaracja globalnego układu współrzędnych.. 5 3 Deklaracja układu współrzędnych
Bardziej szczegółowo9. Funkcje trygonometryczne. Elementy geometrii: twierdzenie
9. Funkcje trygonometryczne. Elementy geometrii: twierdzenie Pitagorasa i twierdzenie cosinusów, twierdzenie o kącie wpisanym i środkowym, okrąg wpisany i opisany na wielokącie, wielokąty foremne (c.d).
Bardziej szczegółowoZASTOSOWANIE ZASADY MAKSIMUM PONTRIAGINA DO ZAGADNIENIA
ZASTOSOWANIE ZASADY MAKSIMUM PONTRIAGINA DO ZAGADNIENIA DYNAMICZNYCH LOKAT KAPITAŁOWYCH Krzysztof Gąsior Uniwersytet Rzeszowski Streszczenie Celem referatu jest zaprezentowanie praktycznego zastosowania
Bardziej szczegółowoPRZEWODNIK PO PRZEDMIOCIE
Nazwa przedmiotu: Programowanie liniowe w zagadnieniach finansowych i logistycznych Linear programming in financial and logistics problems Kierunek: Matematyka Rodzaj przedmiotu: obowiązkowy dla specjalności
Bardziej szczegółowoMetody tworzenia efektywnych komitetów klasyfikatorów jednoklasowych Bartosz Krawczyk Katedra Systemów i Sieci Komputerowych Politechnika Wrocławska
Metody tworzenia efektywnych komitetów klasyfikatorów jednoklasowych Bartosz Krawczyk Katedra Systemów i Sieci Komputerowych Politechnika Wrocławska e-mail: bartosz.krawczyk@pwr.wroc.pl Czym jest klasyfikacja
Bardziej szczegółowoZad. 5: Sterowanie dronem
1 Cel ćwiczenia Zad. 5: Sterowanie dronem Wykształcenie umiejętności modelowania kluczowych dla danego problemu pojęć. Tworzenie diagramu klas, czynności oraz przypadków użycia. Wykorzystanie dziedziczenia
Bardziej szczegółowoTRANSCOMP XIV INTERNATIONAL CONFERENCE COMPUTER SYSTEMS AIDED SCIENCE, INDUSTRY AND TRANSPORT
TRANSCOMP XIV INTERNATIONAL CONFERENCE COMPUTER SYSTEMS AIDED SCIENCE, INDUSTRY AND TRANSPORT Adam BARTNICKI 1 Andrzej TYPIAK 1 Ladar, analiza obrazów, wykrywanie przeszkód, pojazd bezzałogowy, wskaźniki
Bardziej szczegółowoWprowadzenie do UML, przykład użycia kolizja
Bogdan Kreczmer bogdan.kreczmer@pwr.wroc.pl Zakład Podstaw Cybernetyki i Robotyki Instytut Informatyki, Automatyki i Robotyki Politechnika Wrocławska Kurs: Copyright c 2012 Bogdan Kreczmer Niniejszy dokument
Bardziej szczegółowoAPIO. W7 SPECYFIKACJA (UŻYCIA) DOSTĘPU DO DANYCH I SPOSOBU ICH PRZETWARZANIA 1. METODA CRUD 2. LOGIKA FUNKCJI
APIO. W7 SPECYFIKACJA (UŻYCIA) DOSTĘPU DO DANYCH I SPOSOBU ICH PRZETWARZANIA 1. METODA CRUD 2. LOGIKA FUNKCJI dr inż. Grażyna Hołodnik-Janczura W8/K4 CO SIĘ MOŻE DZIAĆ PODCZAS WYKONYWANIA BIZNESOWEJ FUNKCJI
Bardziej szczegółowoID1SII4. Informatyka I stopień (I stopień / II stopień) ogólnoakademicki (ogólno akademicki / praktyczny) stacjonarne (stacjonarne / niestacjonarne)
Załącznik nr 7 do Zarządzenia Rektora nr 10/12 z dnia 21 lutego 2012r. KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu ID1SII4 Nazwa modułu Systemy inteligentne 1 Nazwa modułu w języku angielskim Intelligent
Bardziej szczegółowoPróbny egzamin z matematyki dla uczniów klas II LO i III Technikum. w roku szkolnym 2012/2013
Próbny egzamin z matematyki dla uczniów klas II LO i III Technikum w roku szkolnym 2012/2013 I. Zakres materiału do próbnego egzaminu maturalnego z matematyki: 1) liczby rzeczywiste 2) wyrażenia algebraiczne
Bardziej szczegółowoAlgorytm wstecznej propagacji błędów dla sieci RBF Michał Bereta
Algorytm wstecznej propagacji błędów dla sieci RBF Michał Bereta www.michalbereta.pl Sieci radialne zawsze posiadają jedną warstwę ukrytą, która składa się z neuronów radialnych. Warstwa wyjściowa składa
Bardziej szczegółowoEkonometria - ćwiczenia 10
Ekonometria - ćwiczenia 10 Mateusz Myśliwski Zakład Ekonometrii Stosowanej Instytut Ekonometrii Kolegium Analiz Ekonomicznych Szkoła Główna Handlowa 14 grudnia 2012 Wprowadzenie Optymalizacja liniowa Na
Bardziej szczegółowoGeometria analityczna
Geometria analityczna Paweł Mleczko Teoria Informacja (o prostej). postać ogólna prostej: Ax + By + C = 0, A + B 0, postać kanoniczna (kierunkowa) prostej: y = ax + b. Współczynnik a nazywamy współczynnikiem
Bardziej szczegółowoGrafika komputerowa Wykład 8 Modelowanie obiektów graficznych cz. II
Grafika komputerowa Wykład 8 Modelowanie obiektów graficznych cz. II Instytut Informatyki i Automatyki Państwowa Wyższa Szkoła Informatyki i Przedsiębiorczości w Łomży 2 0 0 9 Spis treści Spis treści 1
Bardziej szczegółowoZASTOSOWANIE PROGRAMOWANIA LINIOWEGO W ZAGADNIENIACH WSPOMAGANIA PROCESU PODEJMOWANIA DECYZJI
Wstęp ZASTOSOWANIE PROGRAMOWANIA LINIOWEGO W ZAGADNIENIACH WSPOMAGANIA PROCESU PODEJMOWANIA DECYZJI Problem podejmowania decyzji jest jednym z zagadnień sterowania nadrzędnego. Proces podejmowania decyzji
Bardziej szczegółowoAutostopem przez galaiktykę: Intuicyjne omówienie zagadnień. Tom I: Optymalizacja. Nie panikuj!
Autostopem przez galaiktykę: Intuicyjne omówienie zagadnień Tom I: Optymalizacja Nie panikuj! Autorzy: Iwo Błądek Konrad Miazga Oświadczamy, że w trakcie produkcji tego tutoriala nie zginęły żadne zwierzęta,
Bardziej szczegółowoElementy Modelowania Matematycznego Wykład 7 Programowanie nieliniowe i całkowitoliczbowe
Spis treści Elementy Modelowania Matematycznego Wykład 7 i całkowitoliczbowe Romuald Kotowski Katedra Informatyki Stosowanej PJWSTK 2009 Spis treści Spis treści 1 Wstęp 2 3 Spis treści Spis treści 1 Wstęp
Bardziej szczegółowoCopyright by Grzegorz Bocewicz, Irena Bach-Dąbrowska, Zbigniew Banaszak Warszawa 2009 Copyright by EXIT, Warszawa 2009
Copyright by Grzegorz Bocewicz, Irena Bach-Dąbrowska, Zbigniew Banaszak Warszawa 2009 Copyright by EXIT, Warszawa 2009 Grzegorz Bocewicz Katedra Podstaw Informatyki i Zarządzania Wydział Elektroniki i
Bardziej szczegółowoo współrzędnych (x i są punktami Steinera minimalizującymi długość sieci łączącej punkty P 1 ), i = 1, 2, 3, 4. Punkty pośrednie P 5 , y i , P 2
Najkrótsza droga W 34 numerze Świata Matematyki zamieściliśmy zadanie w którym należało znaleźć najkrótszą drogę pomiędzy trzema platformami wiertnczymi Sieć dróg wymagała znalezienia dodatkowego punktu
Bardziej szczegółowodomykanie relacji, relacja równoważności, rozkłady zbiorów
1 of 8 2012-03-28 17:45 Logika i teoria mnogości/wykład 5: Para uporządkowana iloczyn kartezjański relacje domykanie relacji relacja równoważności rozkłady zbiorów From Studia Informatyczne < Logika i
Bardziej szczegółowoLOGIKA I TEORIA ZBIORÓW
LOGIKA I TEORIA ZBIORÓW Logika Logika jest nauką zajmującą się zdaniami Z punktu widzenia logiki istotne jest, czy dane zdanie jest prawdziwe, czy nie Nie jest natomiast istotne o czym to zdanie mówi Definicja
Bardziej szczegółowoRównanie przewodnictwa cieplnego (II)
Wykład 5 Równanie przewodnictwa cieplnego (II) 5.1 Metoda Fouriera dla pręta ograniczonego 5.1.1 Pierwsze zagadnienie brzegowe dla pręta ograniczonego Poszukujemy rozwiązania równania przewodnictwa spełniającego
Bardziej szczegółowoUchwała Nr 17/2013/III Senatu Politechniki Lubelskiej z dnia 11 kwietnia 2013 r.
Uchwała Nr 17/2013/III z dnia 11 kwietnia 2013 r. w sprawie określenia efektów kształcenia dla studiów podyplomowych Projektowanie i Eksploatacja Energooszczędnych Systemów Automatyki Przemysłowej, prowadzonych
Bardziej szczegółowo8. Analiza danych przestrzennych
8. naliza danych przestrzennych Treścią niniejszego rozdziału będą analizy danych przestrzennych. naliza, ogólnie mówiąc, jest procesem poszukiwania (wydobywania) informacji ukrytej w zbiorze danych. Najprostszym
Bardziej szczegółowo