Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék Korlátkielégítési problémák Autonóm és hibatűrő információs.

Slides:



Advertisements
Hasonló előadás
Készítette: Kosztyán Zsolt Tibor
Advertisements

Deduktív adatbázisok.
Lineáris egyenletrendszerek megoldása Gauss elimináció, Cramer-szabály Dr. Kovács Sándor DE GVK Gazdaságelemzési és Statiszikai Tanszék.
Készítette: Kosztyán Zsolt Tibor
Preferenciák, rendezések, reprezentálhatóság
MESTERSÉGES INTELLIGENCIA (ARTIFICIAL INTELLIGENCE)
Adatbázisrendszerek elméleti alapjai 2. előadás
4. Előadás: A mohó algoritmus
Adatbázis rendszerek I Relációs kalkulus Általános Informatikai Tsz. Dr. Kovács László.
Diagnosztika szabályok felhasználásával, diagnosztikai következtetés Modell alapú diagnosztika diszkrét módszerekkel.
Függvények Egyenlőre csak valós-valós függvényekkel foglalkozunk.
A rendszerszintű diagnosztika alapjai
Determinisztikus programok. Szintaxis: X : Pvalt program változók E : Kifkifejezések B : Lkiflogikai kifejezések C : Utsutasítások.
MI 2003/9 - 1 Alakfelismerés alapproblémája: adott objektumok egy halmaza, továbbá osztályok (kategóriák) egy halmaza. Feladatunk: az objektumokat - valamilyen.
Budapesti Műszaki és Gazdaságtudományi Egyetem Elektronikus Eszközök Tanszéke A programozás alapjai 1. (VIEEA100) 9. előadás.
Számítógépes algebrai problémák a geodéziában
Rekurzió (Horváth Gyula és Szlávi Péter előadásai felhasználásával)
4. VÉGES HALMAZOK 4.1 Alaptulajdonságok
Térbeli infinitezimális izometriák
Gombkötő Attila Lineáris egyenlet.
A SAT probléma különböző reprezentációinak vizsgálata oktatási szempontból (újratöltve) Az általánosítás fegyvere a kutatásban Kusper Gábor,
OPERÁCIÓKUTATÁS Kalmár János, 2011 Tartalom Több lineáris célfüggvényes LP Tiszta egészértékű LP.
OPERÁCIÓKUTATÁS Kalmár János, 2012 Tartalom A nulla-egy LP megoldása Hátizsák feladat.
Optimalizálási módszerek 2. Konvex halmazok
Miskolci Egyetem Gépészmérnöki és Informatikai Kar Alkalmazott Informatikai Tanszék 2013/14 1. félév 4. Előadás Dr. Kulcsár Gyula egyetemi docens.
A digitális számítás elmélete
Adaptív jelfeldolgozás Rádiócsatorna kiegyenlítése
Miskolci Egyetem Informatikai Intézet Általános Informatikai Tanszé k Pance Miklós Adatstruktúrák, algoritmusok előadásvázlat Miskolc, 2004 Technikai közreműködő:
Készítette: Kosztyán Zsolt Tibor
Függvények.
Exponenciális egyenletek
Készítette: Gergó Márton Konzulens: Engedy István 2009/2010 tavasz.
Tervkészítés PDDL alapon Konzulens: Kovács Dániel László Intelligens rendszerek tanszék Budapest Műszaki és Gazdaságtudományi.
Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék Bin-summarise-smooth: ‚bigvis’ „Big Data” elemzési módszerek.
Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék R „Big Data” elemzési módszerek Kocsis Imre
Gépi tanulás Tanuló ágens, döntési fák, általános logikai leirások tanulása.
Lineáris programozás.
Lineáris programozás Elemi példa Alapfogalmak Általános vizsg.
Budapesti Műszaki és Gazdaságtudományi Egyetem Elektronikus Eszközök Tanszéke IC layout tervek tesztelése.
Budapesti Műszaki és Gazdaságtudományi Egyetem Elektronikus Eszközök Tanszéke IC layout tervek tesztelése.
Valós idejű adaptív útvonalkeresés
Logikai programozás 2..
Hibaterjedés-analízis
Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék Szondázás alapú diagnosztika 1. Autonóm és hibatűrő információs.
Előadó: Nagy Sára Mesterséges intelligencia Kereső rendszerek.
MI 2003/ Mi lenne a b legjobb választása? Statisztikai eljárásoknál az un. Fisher féle lineáris diszkriminancia függvény adja a legjobb szétválasztási.
Lineáris algebra.
Az informatika logikai alapjai
Algoritmizálás, adatmodellezés tanítása 8. előadás.
Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék Szondázás alapú diagnosztika 2. Autonóm és hibatűrő információs.
Dr. Bánkuti Gyöngyi Klingné Takács Anna
Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék Megerősítő elemzés „Big Data” elemzési módszerek Salánki.
Háló- (gráf-) algoritmusok
MI 2003/6 - 1 Elsőrendű predikátumkalkulus (elsőrendű logika) - alapvető különbség a kijelentéslogikához képest: alaphalmaz. Objektumok, relációk, tulajdonságok,
Kényszerkielégítési problémák Constraint Satisfaction Problems (CSP)
Menetrend optimalizálása genetikus algoritmussal
WP-Dyna: tervezés és megerősítéses tanulás jól tervezhető környezetekben Szita István és Takács Bálint ELTE TTK témavezető: dr. Lőrincz András Információs.
Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék R3-COP és R5-COP projekt: Környezetfüggő viselkedés tesztelése.
Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék R „Big Data” elemzési módszerek Kocsis Imre
Kiterjesztések szemantikája: Szemantikai tartomány : Adatoknak, vagy értékeknek egy nem üres halmazát szemantikai tartománynak nevezzük. Jelölése: D. Egy.
1 Relációs kalkulusok Tartománykalkulus (DRC) Sorkalkulus (TRC) - deklaratív lekérdezőnyelvek - elsőrendű logikát használnak - relációs algebra kifejezhető.
Algoritmusok és adatszerkezetek
2. gyakorlat INCK401 Előadó: Dr. Mihálydeák Tamás Sándor Gyakorlatvezető: Kovács Zita 2015/2016. I. félév AZ INFORMATIKA LOGIKAI ALAPJAI.
Lineáris programozás Elemi példa Alapfogalmak Általános vizsg.
Sudoku.
Lineáris egyenletrendszerek megoldása Gauss elimináció, Cramer-szabály Dr. Kovács Sándor DE GVK Gazdaságelemzési és Statiszikai Tanszék.
Példa: Dinteger = {..., -1,0,1,...}; Dboolean = {true, false};
Mesterséges intelligencia
Absztrakt problémák Q  I  S, az absztrakt probléma kétváltozós reláció az esetek (I) és a megoldások (S) halmazán Példa: legrövidebb út Eset: gráf és.
Előadás másolata:

Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék Korlátkielégítési problémák Autonóm és hibatűrő információs rendszerek Kocsis Imre

Minimum set cover Kényszerek

Diagnosztika Kényszerek

Diagnosztika, mint korlátkielégítés  Constraint Satisfaction Problems  A diagnosztika egyik klasszikus mérnöki eszköze  Probléma-definíció és hatékony (keresés-alapú) megoldás szétcsatolása o Kész, hatékony kereskedelmi és nyílt/ingyenes eszközök

CSP  A CSP(X) séma: o X adattartomány és azon értelmezett o korlátok (relációk) X-en  Példák X-re o X = Q vagy R lineáris egyenlőségek/egyenlőtlenségek következtetés: Gauss elimináció és szimplex módszer o X = FD korlátok = aritmetikai és kombinatorikus relációk következtetés: MI CSP–módszerek o X = B korlátok = ítéletkalkulusbeli relációk Következetés: SAT-solving (a BME Nagyhatékonyságú Logikai Programozás kurzusának jegyzete alapján)

CSP(FD)  Formálisan: o CSP = o X változók halmaza o D értékek doménje o C korlátok halmaza o Korlát:, ahol t változó n-es és R egy |t| szignatúrájú reláció o Változók egy lekötése: v: X  D o Egy lekötés kielégít egy korlátot, ha (v(x 1 ), …, v(x n ))  R o Egy megoldás egy olyan lekötés, mely minden korlátot kielégít o FD: D véges halmaz

8-queens  Cél: 8 királynő, egyik se támadja valamely másikat  Változók: királynő pozíciója a sorokban vagy oszlopokban  Domainek: 1…8  Korlátok? o x i != x j o x i – x j != i-j o x j – x i != i-j

Kényszertípusok

Egy példa  Forráskód

Choco 3: Int korlátok  Eclipse

Mit lehet még így kifejezni?  Konfiguráció-tervezés o VM-ek adatközpont(ok)ban, taszkok elhelyezése mikrokontrollereken  „Tiszta” pakolási problémák o Logisztika  Ütemezés o Órarend … Gyártás  Trajektória-tervezésre miért nem jó? o Illetve mik a megkötések  Modern megoldók

CSP(FD): kényszerek ábrázolása  Elméleti lehetőségek: o Explicit reláció o Algebrai kifejezések o Propozicionális formulák  Praktikusan: o Kényszer-gráf Bináris esetben egyszerű gráf („trükkök” nélkül) o Értékkészlet-intervallumok (pl. SICSTUS Prolog) o …  A reláció-algebra operációi egyszerűen adódnak!

CSP megoldás  visszalépéses iteratív keresés (backtracking) o „trashing” veszélye! o Vezérlés?  korlát-terjesztés (constraint propagation) o „tightening” o kényszerhez kötött, konzisztenciát fenntartó szűrésen keresztül (filtering) o minél jobb, annál költségesebb  lokális keresés (local search)  a gyakorlatban ezek együttműködése  szokásos minta: „constraint store”  Általánosságban: NP-teljes probléma

CSP megoldás - visszalépéses iteratív keresés  Változó kiválasztása  Döntési pont: változó lehetséges értékei o Mélységi keresés  Lekötés, konzisztenciaellenőrzés  Fail: backtracking  Több változat o Változó-sorrendezés o Keresési stratégiák

Visszalépéses keresés - példa  Webreq = WebPing OR WebS  WebPing = R OR WebHW  1 >= R + WebHW  Webreq = 1

Visszalépéses keresés - példa

Hogyan tegyük ezt hatékonyabbá?  Keresés előtt o Konzisztencia-algoritmusok (N.B. Nem csak előtte) o Alkalmas (fix) változósorrendezés  Keresés közben o „Előrenéző” megoldások Értékrendezés („legkevésbé megszorító” érték választása) Változórendezés (a „legjobban megszorító” változó választása) o „Hátranéző” megoldások...

CSP-megoldás - konzisztencia  Változók/korlátok egy csoportja valamilyen konzisztenciájának fenntartása o Cél: keresési tér szűkítése  Csomópont (node): unáris korlát teljesül az érintett változó doménjén o X < 23  Él (arc): egy változó élkonzisztens egy másikkal, ha minden megengedett értékéhez létezik a másiknak megengedett értéke

Konzisztencia  i-konzisztencia: i-1 változó konzisztens egy i- edikkel, ha az i-1 minden konzisztens lekötése az i- edikben konzisztensen kiterjeszthető o i-ben exponenciálisan bonyolult o Erős i-konzisztencia: minden j <= i-re j-konzisztencia  Terjesztés: (informálisan) a konzisztencia kikényszerítésének szükségessége változóról változóra „terjed” o Lehet „előre”... o... vagy minden keresési lépés előtt

c sémája (vált. sorozat) n-es Probléma-domén

Korlát-logikai programozás (kitekintés)  LP: Prolog rezolúció + visszalépés  általános modell  CSP: korlát-tár o új korlát felvétele: predikátum hívás o "osztott" változók o közös visszalépés Prolog meghiúsulás: a tár is visszalép tár inkonzisztenssé válása: visszalépés a legutolsó Prolog choicepoint-ig o tár-konzisztencia: automatikus o keresés: speciális predikátumok (pl. „labeling”)

CLP(FD) Prolog-ban (kitekintés)  Domének: egész számok véges halmazai  beépített korlátok o Aritmetikai, domén/tagsági, propozicionális, kombinatorikai o felhasználói kiterjesztések indexikálisok globális korlátok  monoton következtetés  belső megvalósítás

Rövid példa: diagnosztika TMR modell felett  Rövid GNU Prolog demo  + az eredeti példánk CLP(FD)-ben

CSP alkalmazása - példák  Önálló o Pl. IBM ILOG CP  Imperatív nyelvbe ágyazva o Java: Choco, Koalog, Jacop, … o C++: Mistral, Minion, GeCode… o Google or-tools  Deklaratív nyelvbe ágyazva o Sicstus és GNU Prolog,... o …

JSR331: Constraint Programming API

„Global Constraint Catalog”   Példa: atleast_nvalue

MiniZinc

Hivatkozások  [1] Rossi, F., Beek, P. Van, & Walsh, T. (Eds.). (2006). Handbook of Constraint Programming (Vol. 2). Elsevier.  [2] A Choco CSP solver honalpja:  [3] A MiniZinc és FlatZinc leírónyelvek honlapja: