CC BY
55
применение объектно-ориентированных СУБД представляется чрезмерно «нетрадиционным» и рискованным.
2. Одной из наиболее сильных сторон XML-подхода является возможность использования языка XQuery, в том числе для полной разработки серверной части автоматизированной системы.
3. В силу недооценки разработчиками XML-СУБД перспектив полной разработки на XQuery, имеется ряд технических проблем для такой разработки, однако они являются преодолимыми.
4. Ценные качества XML-подхода сочетаются с рядом неприятных особенностей, связанных с происхождением XML (как одновременно языка разметки и формата данных).
5. Перспективным решением представляется проектирование СУБД на основе опыта применения XML-СУБД и XQuery, но без избыточного наследия XML.
Литература
1. Ермаков, И. Е. XML-СУБД как возможная основа для объектных технологий ИС. Технология MULTYF / И.Е. Ермаков // Объектные системы — 2011: Материалы I Международной научно-практической конференции. Россия, Ростов-на-Дону, 10-12 мая 2011 г — Ростов-на-Дону, 2010. С. 130-135.
2. Сайт XML-СУБД «Седна» (ИСП РАН) [Электронный ресурс] Режим доступа: http://sedna.org/ УДК 007.52
ИССЛЕДОВАНИЕ СИСТЕМЫ ДЕЦЕНТРАЛИЗОВАННОГО УПРАВЛЕНИЯ ГРУППОЙ РОБОТОВ НА ОСНОВЕ ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ1
Галиуллин Венер Юнирович, аспирант, Уфимская Г осударственная Академия Экономики и Сервиса, Россия, Уфа, Vener.Galiullin@,gmail.com
Введение
На начальном этапе проектирования системы управления децентрализованной группой роботов является целесообразным применение имитационного моделирования для определения: влияния начальных параметров, как объектов так и системы, путей улучшения метода[1, 2].
Для определения эффективности исследования системы децентрализованного управления группой роботов на основе имитационного моделирования было проведено имитационное моделирование системы децентрализованного управления группой роботов на основе использования локальных стационарных хранителей информации (СХИ).
1. Описание метода децентрализованного управления группой роботов на основе использования локальных СХИ
Метод основан на бионике, а именно - групповом поведении колонии муравьев, их свойстве маркировки пути феромонами [3, 4], для передачи другим муравьям колонии информации о направления к определенным целям и уровню исследованности территории. Для маркировки пути роботами группы было решено использовать локальные стационарные хранители информации, к примеру, радиомаяки с определенной информацией об исследованной местности, что позволяет остальным членам группы ориентироваться по ним.
Примерами хранимой информации может быть:
• информация об исследовании данной области;
• информация о проходимости местности;
1 Статья рекомендована к опубликованию в журнале "Автоматизация в промышленности"
60
• информация о направлении (к базе, целям).
2. Описание алгоритма действия робота группы
Каждый робот имеет несколько режимов:
• режим поиска пути, ресурсов
• режим транспортировки
• режим помощи
При режиме поиска роботы исследуют наиболее приближенные к базе и наименее исследованные области. Исследованные области роботы маркируют радиомаяками с необходимой информацией об исследованной области - для того, чтобы остальные роботы могли быть проинформированы о степени исследованности области, и исследовать менее исследованные, а также оценивают проходимость местности по определенной шкале для уменьшения вероятности роботов колонии попасть в труднопроходимую местность (склоны, ямы).
При обнаружении груза робот переключается в режим транспортировки. Захватывает груз и транспортирует его на базу, отмечая обратный путь, для того чтобы вернуться и продолжить работу с того же места. Также остальные роботы, находящиеся в режиме поиска, могут сменить свое направление, обнаружив радиомаяк, указывающий направление к обнаруженным целям.
При обнаружении груза, на транспортировку которого роботу не хватает мощности, или при невозможности продолжении движения роботом самостоятельно, робот по локальному каналу передает соответствующее сообщение. Роботы, находящиеся в локальной зоне, при готовности “помочь” отвечают на сигнал[5]. Затем первый робот выбирает из них необходимое число роботов и сигнализирует подтверждение. После чего они вместе транспортируют груз до базы или помогают выбраться первому роботу из ямы (или преодолеть иное препятствие).
3. Исследование метода децентрализованного управления группой роботов
Для исследования предложенного выше метода, перед группой роботов были установлены следующие задачи: исследования территории, поиск, транспортировка груза на пересеченной местности, при условии, что для транспортировки отдельных видов груза необходимо совместное усилие нескольких роботов. Выбран один из видов имитационного моделирования - агентное моделирование.
Рис. 1 - Графический интерфейс модели:
1 -робот в режиме «помощь», 2 -сложнопроходимый участок карты, помеченный маяком, 3 -робот ожидающий помощи, 4 - сложнопроходимый участок карты, 5 - ресурс, 6 - маяк с
61
информацией местоположения ресурса, 7 - робот в режиме транспортировки, 8 - непроходимый
участок карты, 9 - маяк, 10 - центр базы роботов
Моделирование разработанного метода проводилось на основе агентного имитационного моделирования в дискретной плоской среде в пошаговом режиме, на рисунке 1 представлен внешний вид одного из шагов симуляции.
Объекты системы:
1. Поле размерностью 80*60 клеток имеет 4 уровня взаимодействия. Взаимодействие заключается в том, что в одной клетке среды не может находиться более одного агента уровня. Первый уровень включает агенты роботов, агенты ресурсов и агенты стен. Второй уровень - агенты ям (трудно проходимых участков). Третий и четвертый - метки (радиомаяки). Количество всех агентов можно менять опционально.
2. Препятствия в виде стен и ям. Робот не может встать на клетку, занятую стеной, а на клетку, занятую ямой, может, но для того, чтобы выйти с нее, ему потребуется помощь другого робота.
3. Ресурсы. В одной клетке может находиться некоторое количество ресурсов res.number с одинаковым весом res.weight (от 0 до 2). Для погрузки на робота ресурса весом, большим 1, требуется помощь другого робота. За один раз робот может унести 1 ресурс с определенным весом.
4. Стены, ямы и ресурсы располагаются на карте среды случайным образом.
5. База роботов является начальной точкой работы роботов и местом, куда роботы доставляют найденные ресурсы. Координаты базы задаются константами baseR, baseC.
6. Агенты роботов могут передвигаться только на соседние клетки согласно Евклидовой модели (соседними считаются 4 ячейки, располагающиеся к северу, югу, востоку и западу от данной (NORTH, SOUTH, EAST и WEST)). Имеют сенсоры, позволяющие брать информацию, в том числе с маяков только с соседних клеток. Информацию о нахождении в клетке ямы роботы могут брать, лишь находясь в той же клетке. Могут собирать ресурсы, находящиеся в соседних клетках и в той, в которой они находятся. Могут передавать сообщения другим роботам, находящимся на определенном расстоянии, задающимся параметром send_radius. А также могут оставлять маяки (в клетке, в которой находятся), либо перезаписывать информацию на них, находясь в той же клетке. Также средой может быть установлено количество роботов bot count и период их выхода из базы в начале работы burntime.
Для проверки эффективности метода были выбраны два параметра: скорость сбора определенного количества ресурсов V и количество потраченной энергии С.
Скорость сбора ресурсов V вычисляется по следующей формуле:
R
V = T, (1)
где R - количество собранных ресурсов,
Т- количество шагов выполненных системой.
Количество потраченной энергии С (общее количество шагов потраченного каждым роботом группы) на сбор определенного количества ресурсов R вычисляется по следующей формуле:
C = T ■ bot _ count, (2)
Для исследования метода проводится определенное количество итераций эксперимента с заданным количеством ресурсов R и наблюдается количество шагов T, затраченных на сбор заданного количества ресурсов R. Каждая итерация эксперимента проводится с фиксированным расположением элементов внешней среды модели, кроме случаев исследования динамической среды. Затем вычисляется среднее значение затраченных шагов Tср проведенных итераций.
Выводы
62
В результате исследования было установлено, что на начальном этапе проектирования имитационный метод позволяет:
1. Определить поведение системы при различных ее параметрах и параметрах объектов, а также определить оптимальные их значения.
2. Определить наиболее эффективное поведение системы при различных параметрах внешней среды. А отсюда - области наиболее эффективного применения исследуемой системы управления или определенного метода. К примеру, в ходе исследования было выявлено, что данная система управления более эффективна в динамически изменяемых средах, нежели в статических.
3. Спроектировать либо скорректировать алгоритм управления роботом, непосредственно наблюдая, к чему приводят изменения.
4. Определить актуальность введения определенных методов и функционала. К примеру, в ходе исследования было выявлено, что метод маркировки обратного пути снижает эффективность в данной реализации, а, следовательно, необходимо отказаться от данного метода, либо доработать его.
5. Образно представить функционирование системы, что позволяет задействовать правое полушарие мозга проектировщика, отвечающее за творческую деятельность и образное мышление[6].
6. Определить цели следующих этапов проектирования, области исследования.
Литература
1. Никляев И.Ю. Инструментарий исследования команд интеллектуальных агентов // Известия
Волгоградского государственного технического университета. — 2009. — Том 12. — № 7. — С. 86-88.
2. Каляев И. А., Капустин С. Г., Усачев Л. Ж. Основы построения распределенных систем управления коллективами роботов // Электронное научно-техническое издание “Наука и образование”. — 2005. Эл№ ФС 77 - 30569. — №1. [Электронный ресурс]. Режим доступа: http://technomag.edu.ru/mdocs/nio/red.html
3. Брайен М. В. Общественные насекомые: Экология и поведение Social Insects: Ecology and
Behavioural Biology / Под ред. Г. М. Длусского. — М.: Мир, 1986. — 400 с. — 5 800 экз.
4. Захаров А. А. Муравей, семья, колония / Под ред. К. В. Арнольди. — М.: Наука, 1978. — 144 с.
— (Человек и окружающая среда).
5. Иванов Д.Я. Информационный обмен в больших группах роботов // Научно-теоретический
журнал “Искусственный интеллект”, 2010. № 4. C. 513—521.
6. Ильясов Ф. Н. Информационная специализация и функциональная асимметрия мозга // Психологический журнал. — 1987. — Том 8. — № 6. — С. 44-47.
УДК 681.3.06
объектный дизайн web-порталов
Неудачин Илья Георгиевич, к.ф.-м.н., доцент, Уральский федеральный университет имени первого Президента России Б.Н.Ельцина, Россия, Екатеринбург, [email protected]
Введение
В данной статье исследуется курсовая работа студентов специальности "Информатика и вычислительная техника" по разработке Web-порталов в инфраструктуре Zope [1, 2]. Zope - это среда формирования и Web-публикации объектов, поставляемая бесплатно, с открытыми исходными кодами [3]. Объектно-ориентированная технология позволяет конструировать сложные порталы из готовых элементов. Найдены решения некоторых проблем, связанных с локализацией такой технологии в России. Предлагаемая разработка представляет интерес для обучения студентов, разработчиков, дизайнеров порталов и сайтов.
63
