Проект РФФИ N 03-01-00323 (2003-2005 гг.) "Построение систем многоуровневого иерархического управления на основе метода автономного адаптивного управления (ААУ)"

Актуальность и содержание проекта

Ряд научных коллективов в ведущих исследовательских институтах в стране и за рубежом занимается в настоящее время проблемой многоуровневого иерархического управления, используя разные подходы и методы. В частности, такой проблемой занимаются в NIS T (Институт стандартизации, США), в Drexel University (США) и в других институтах. Используются феноменологический подход, подходы, связанные с искусственными нейронными сетями и другие. Тема анонсируется как важное направление в теории систем управления и систем искусственного интеллекта, а в практической области - актуальной для построения адаптивных систем для роботостроения и других областей.

Настоящий проект направлен на решение фундаментальной проблемы построения интеллектуальных систем управления, обладающих важнейшими свойствами многоуровневости и иерархичности механизмов принятия решений.

В рамках фундаментальной проблемы построения интеллектуальных систем управления важной задачей является разработка механизмов многоуровневого иерархического принятия решений. Такие механизмы должны существенно повышать эффективность управления. Специальный интерес вызывает исследование возможностей построения таких механизмов управления в системах, работающих со знаниям и, в частности, в нейроноподобных системах, не требующих предварительной математической формализации свойств объектов управления и имеющих широкие адаптивные возможности. В рамках данного проекта предусматривается исследование возможностей построения многоуровневых иерархических механизмов управления не за счет простого наращивания аппаратно-программных уровней управляющей системы, но за счет создания методов агрегирования и обобщения информационных элементов (таких, как образы, элементы и структуры знаний), которыми оперирует управляющая система. В результате решения названных задач получит дальнейшее развитие теория автономного адаптивного управления (ААУ), развиваемая авторами.

Поставленная задача решается с использованием такого нового метода как метод автономного адаптивного управления (ААУ), разработанный и развиваемый авторами. При этом адаптивная многоуровневая система управления строиться на базе специальных новых нейроноподобных элементов, разработанных для систем ААУ.

План работ по проекту: 1. Разработка способов агрегирования и обобщения пространственно-временной информации в таких информационных объектах, как образы и информационные структуры элементов знаний. 2. Разработка методов и алгоритмов адаптивного управления с использованием образов и знаний, имеющих различные уровни агрегирования и обобщения, чем и достигается многоуровневость и иерархичность управления. 3. Разработка нейроноподобных реализаций многоуровневой иерархической управляющей системы, реализующей разработанный способ управления. 4. Создание прототипов прикладных систем управления на основе разработанных подходов.

К 2004 году по проекту были получены следующие основные результаты.

I. Теоретические подходы к построению многоуровневых систем управления на основе метода ААУ

Развивался подход к построению многоуровневой системы управления на основе использования в одном алгоритме управления образов, отражающих объекты, ситуации и процессы разных уровней сложности, вместо обычного подхода, связанного с созданием иерархической структуры управляющих систем. Для пояснения нашего принципа построения многоуровневой системы управления предположим, что система распознавания распознает во входной информации некоторые ее «буквы», «слова», предложения», «сюжеты» и «контекст», т.е., объекты с разным уровнем пространственно-временной сложности и обобщения. Если управляющая система осуществляет управление, соответствующее распознаванию таких образов, то это и есть многоуровневое управление. Так, действие, соответствующее распознаванию образа - «буквы», соответствует самому низкому уровню управления, а действия, соответствующие распознаванию образа-«контекста», соответствует гораздо более высокому уровню управления. При этом сама управляющая система может быть одна и работать с такими образами по одному алгоритму управления. В своей работе мы используем схему управляющей системы, соответствующую развиваемому нами методу автономного адаптивного управления (ААУ). В плане обеспечения этого способа построения многоуровневой системы управления, нами развивались способы формирования и распознавания образов с разным уровнем обобщения. Были развиты подходы: нейросетевой, основанный на нейросетевом базисе метода ААУ, нечеткий, основанный на нечеткой логике, детерминированно-хаотический, основанный на детерминированном хаосе. В каждом из подходов нами были получены новые результаты, представленные в публикациях и двух подготовленных кандидатских диссертациях. В развитии каждого из подходов мы опирались также на сведения из нейрофизиологии и физиологии о нервных и сенсорных биологических системах.

Был разработан способ построения многоуровневой системы управления на основе метода ААУ и метода нечеткой логики. Здесь управляющая система автоматически строит и корректирует нечеткие правила, что не характерно для обычного использования нечеткой логики и является новым результатом.

Разрабатывается способ построения многоуровневой системы адаптивного управления на основе метода ААУ в сочетании с методом детерминированного хаоса, который позволяет работать с образами очень протяженных пространственно-временных объектов.

II. Развитие нейроноподобного варианта построения систем ААУ

Был доработан нейросетевой базис, включивший в себя модифицированные модели нейронов, синапсы, нейронные логические элементы И, ИЛИ, НЕ. Построены нейросетевые конструкции, реализующие основные подсистемы управляющей системы ААУ. Построена управляющая система ААУ в нейроноподобном варианте в целом, на примере управляющей системы для мобильного робота. Данная нейроноподобная версия управляющей системы обладает многоуровневостью. Были разработаны способы автоматического построения нейросетей для системы ААУ, что решает проблему определения топологии таких сетей. По данным результатам подготовлена кандидатская диссертация.

Был разработан способ оптимизации таких нейросетевых систем для управляющей системы ААУ на основе генетических алгоритмов, а также способ оптимизации сенсорной и исполнительной подсистем с помощью генетических алгоритмов. По данным материалам в отчетный написана и защищена кандидатская диссертация Л.В.Земских.

Помимо нейросетевого базиса, разработанного в методе ААУ, нами разрабатывались подходы к построению системы ААУ на базе традиционных нейронных сетей, что оказалось весьма трудной задачей. Положительного решения пока не найдено. Некоторые частные решения связаны с использованием нейростей, соответствующих так называемой теории «адаптивного резонанса».

III. Построения прикладных реализаций систем ААУ

В ходе выполнения проекта были разработаны несколько вариантов адаптивных систем управления для программной модели мобильного робота на основе метода ААУ и указанных выше подходов. Модель робота демонстрирует адаптивное управление в соответствии с заданными целевыми функциями.

Разрабатывались также программно-инструментальные средства для построения и исследования таких систем (см. инструмент 4GN).

Оценка полученных результатов

Авторы проекта опираются в основном на свои разработки – метод ААУ, модели нейронов, нейросетевые решения, модель мобильного робота. Если сравнивать эти решения с технологиями известных искусственных нейронных сетей (ИНС), то нами предлагается новая парадигма – автономный самообучаемый распознающе-управляющий нейросетевой комплекс.

Если сравнивать состояние нашего проекта к концу отчетного 2004 года с состоянием проекта в начале года, то новые решения состоят в: доработке нейросетевой реализации системы ААУ, в разработке нейроноподобных конструкций для формирования образов высоких порядков, в том числе – на примере рецептивных полей ганглиозных клеток, в разработке способов автоматического построения нейросетей, в доработке способа оптимизации нейросетей с помощью генетических алгоритмов, в разработке и модификации моделей нейронов, в том числе – на основе нечеткой логики, в разработке и модификации модели мобильного робота и его системы управления. В целом эти результаты нацелены на достижение основной цели проекта – построение многоуровневой системы управления.

При использовании технологии нечеткой логики новым результатом является следующее. Обычно нечеткая логика в роботостроении используется для того, чтобы записать в виде нечетких правил экспертное понимание того, какие решения робот должен принимать в той или иной ситуации. Эти правила «зашиваются» в управляющую систему до начала ее работы, после чего робот выпускается на полигон и реализует эти правила. Нами предлагается иное решение, именно – система управления строится по схеме системы ААУ, при этом нечеткие правила создаются и корректируются управляющей системой автоматически, непосредственно в процессе управления и на основе эмпирического опыта самой управляющей системы. Это новое решение в области нечетких систем.

В области использования технологии детерминированного хаоса в этом году нами развивался предложенный нами ранее способ формирования образов протяженных пространственно-временнных явлений и их использования в системах управления ААУ. Для теории детерминированного хаоса это является новым приложением. В настоящее время разрабатывается система управления мобильным роботом на этой основе. Предполагается подготовка кандидатской диссертации по этой теме.

К этому следует добавить, что разрабатываемый в настоящем проекте метод ААУ отличается от известных по публикациям других подходов к построению адаптивных систем управления – искусственных нейронных сетей, экспертных и нечетких систем, гибридных систем и систем с подкрепляющим обучением. Главные отличия состоят в ориентации метода ААУ на обеспечение обучения и управления в одном процессе (в отличие от искусственных нейросетей), на работу с собственными эмпирически полученными знаниями (в отличие от экспертных и нечетких систем), на работу не с математической моделью объекта управления, а с отображениями информационнных элементов – образов и знаний, на многоцелевое и многокритериальное управление. В отличие от систем с подкрепляющим обучением, которые находят отображение множеств состояний объекта и его действий в множество качественных оценок, система ААУ находит отображения из множества состояний в это же множество и только дополнительно – в множество оценок, что принципиально позволяет системе ААУ проводить многошаговое принятие решений.

Публикации по проекту

[1] Жданов А.А., Крыжановский М.В., Преображенский Н.Б. Бионическая интеллектуальная автономная адаптивная система управления мобильного робота // Ж. Мехатроника. 2004. №.1. С. 21-30.

[2] Жданов А.А., Крыжановский М.В., Преображенский Н.Б. Бионическая интеллектуальная автономная адаптивная система управления мобильного робота // Ж. Мехатроника. 2004. №2. С. 17-22.

[3] Бондаренко С.А., Жданов А. А., Магомедов Б.М. Принятие решений в автономных адаптивных системах управления, основанное на выявлении закономерных последовательностей действий. Сб. научн. тр. Всероссийской научн.-техн. конференции Нейроинформатика-2004, М.: МИФИ. С. 93-101.

[4] М.В. Караваев. Правила формирования связей между нейроноподобными элементами в системах автономного адаптивного управления. VI всероссийская научно-техническая конференция "Нейроинформатика-2004". Сборник научных трудов, М.: МИФИ, 2004. С. 102-108.

[5] Крыжановский М.В., Магомедов Б.М. Организация нейросетевой базы знаний в интеллектуальных управляющих системах // Сборник трудов VI Всероссийской научно-технической конференции. Нейроинформатика-2004. М.: Изд-во МИФИ, 2004. 1. С.163-168.

[6] Крыжановский М.В., Магомедов Б.М. Свойства подсистемы формирования и распознавания образов мобильного робота на базе бинарного бесконфликтного дерева. // Международная конференция. Интеллектуальные системы IEEE AIS’04. М.: Физматлит, 2004. 2. С.314-320.

[7] Крыжановский М.В., Магомедов Б.М.. Модифицированный стековый алгоритм как модель подсистемы формирования и распознавания образов мобильного робота. // Труды международной конференции Искусственный интеллект. Интеллектуальные и многопроцессорные системы IMS’2004. Таганрог: Изд-во ТРТУ, 2004. 2. C. 110-113.

[8] Крыжановский М.В., Магомедов Б.М. Модифицированный стековый алгоритм как модель подсистемы формирования и распознавания образов мобильного робота. // Ж. Искусственный интеллект. 2004. 3. С. 320-328.

[9] Л.В. Земских, Возможности оптимизации системы автономного адаптивного управления с помощью генетических алгоритмов. Препринт №3 ИСП РАН. М.: Издательство МГУ, 2004, с.1-34.

[10] Жданов А.А. Земских Л.В. Беляев Б.Б. Система стабилизации углового движения космического аппарата на основе нейроноподобной системы автономного адаптивного управления. Космические Исследования, 2004, т. 42, №3, М.: 2004. С. 1-15.