1 © Maris, IRIT 2009 Planification Temporelle Frédéric MARIS IRIT – Université Paul Sabatier – Toulouse.

Slides:



Advertisements
Présentations similaires
QUALIFICATION COMPORTEMENTALE DES BASES DE DONNEES CLIENTS
Advertisements

Modélisation d’informations temporelles
Raisonnements sur le temps : au carrefour des disciplines
Le Cadre de Dépenses à Moyen Terme
TER Gestionnaires de contenu en ligne
Journées Francophones
Yann Chevaleyre et Jean-Daniel Zucker
Equipe optimisation TempoSoft
Définition : ordonnancement o Lordonnancement répartit lensemble des fonctions dans des étapes de contrôle en vérifiant un ensemble de contraintes. o lenchaînement.
MUSETTE Pierre Antoine Champin Alain Mille Yannick Prié
1 Intégration numérique garantie de systèmes décrits par des équations différentielles non-linéaires Application à l'estimation garantie d'état et de paramètres.
"Recherche de scénarios redoutés à partir d'un modèle réseau de Petri"
A.Faÿ 1 Recherche opérationnelle Résumé de cours.
El-Djillali TALBI Doctorant systèmes industriels
Plus rapide chemin bicritère : un problème d’aménagement du territoire
Chapitre II.Rappels mathématiques et complexité
                                        République Algérienne Démocratique et Populaire Ministère de l’Enseignement Supérieur et de la Recherche Scientifique.
Quest-ce que la planification ? Planifier = Décider dun plan À partir dune base de connaissances sur les opérateurs possibles, on simule un grand nombre.
IFT 702 – Planification en intelligence artificielle Planification par recherche heuristique dans un espace d’états Froduald Kabanza Département d’informatique.
Les Systèmes Multi-Agents pour la Gestion de Production
Aide à la décision et à la négociation dans un problème de gestion de production distribuée Jean-Pierre Camalot et Patrick Esquirol LAAS-CNRS 7, avenue.
Graphes Conceptuels J.F. Baget Inria.
Bouchra SOUKKARIEH Florence SEDES SIG - Université de Paul Sabatier
Ordonnancement avec exclusion mutuelle par un graphe d’intervalles ou d’une classe apparentée : complexité et algorithmes ~ Frédéric Gardi - 14 Juin.
Méthode des Ensembles de Niveaux par Eléments Finis P1
Jean-François Landry Département d’informatique
IFT 702 Planification en intelligence artificielle Contrôle de la recherche avec des réseaux de tâches hiérarchiques Froduald Kabanza Département dinformatique.
Rappels de logique des prédicats du 1er ordre
CSI4506: Introduction à l’intelligence artificielle
Vincent Thomas Christine Bourjot Vincent Chevrier
Conception des Réalisé par : Nassim TIGUENITINE.
Simon Langevin Mathieu Poisson
L ABORATOIRE d I NGÉNIERIE des S YSTÈMES A UTOMATISÉS EA 4014 – Université dAngers Institut des Sciences et Techniques de lIngénieur dAngers Master2 Recherche.
Couplage d'un langage de contrôle un système de formatage existant
Introduction Evolution technologique –Puissance des machines –Réseau rapides (ADSL : 30 euros/mois) –Manipulation digitale de l'audio et de la vidéo Applications.
Programmation logique Le Langage PROLOG
GPA750 – Gestion de Projets
Modélisation des opérations Spécifier les transformations détat que lon attend des services de la machine Létat dune machine entièrement déterminée par.
MODELE CONCEPTUEL POUR L’ANALYSE MULTIDIMENSIONELLE DE DOCUMENTS
CSI4506: Introduction à l’Intelligence Artificielle
Présenté par : Attia Hamza Merzouk Abdelkrim 2003/2004
D.E ZEGOUR Ecole Supérieure d’Informatique
Supports de formation au SQ Unifié
Institut Supérieur des Sciences Appliquées et de Technologie Sousse
Algorithmes Branch & Bound
J. Cardoso — C. Sibertin-Blanc — C
Université Pierre et Marie Curie Laboratoire d’Informatique de Paris VI Département ASIM Analyse et résultats sur le dimensionnement des mémoires pour.
Initiation à la conception des systèmes d'informations
Deux exemples de travaux sur ce thème
Planification : Méthode de base Démarche d’analyse planning
François CARCENAC,Frédéric BONIOL ONERA-DTIM Zoubir MAMMERI IRIT
Management de projet GESTION des DELAIS séance 2
IFIPS Info 5 – 2004 / 2005 Projet de Résolution de Contraintes JEU DE L’AWELE AMARAL – FILLIAT – LANGLAIS – PETIT – SCHILLER.
Présentation AICHA REVEL INGENIEUR D’ÉTUDE STERIA DEPARTEMENT TRD
Structures de données avancées : LH (Hachage linéaire) D. E ZEGOUR Institut National d ’Informatique.
Simulation du rôle de la communication dans l’établissement d’un réseau de liens sociaux Projet GPL :
Qu’est-ce que la planification ? Planifier = Décider d’un plan À partir d’une base de connaissances sur les opérateurs possibles, on simule un grand nombre.
Du discours aux modèles… Une tentative d’articulation
Optimisation pour la Conception de Systèmes Embarqués
Les procédés métiers : conception, modélisation et systèmes Claude Godart Université de Lorraine - Esstin 1.
Présenté par : ABED Djemaa; BAKHOUIA Roqiya.
Nicolas TassaraAnnée 2006 Université de la Méditerranée Aix-Marseille II École Supérieure d’Ingénieurs de Luminy Département informatique Luminy case 925.
1 Logiciels de confection automatique d’horaires.
Le Jeu et l’intelligence artificielle
31/05/2007Projet Master 11 Présentation ludique de la recherche opérationnelle à la fête de la science Année universitaire 2006/2007 Sylvain FIX Julien.
Développement du jeu Ricochet Robots pour Android
Algorithmes parallèles
Soutenance du projet de M1
Proposition d’une métaheuristique pour le
Loi de vitesse de réaction
Transcription de la présentation:

1 © Maris, IRIT 2009 Planification Temporelle Frédéric MARIS IRIT – Université Paul Sabatier – Toulouse

2 © Maris, IRIT 2009 Plan Introduction Planification temporelle : le système TLP-GP Conclusion et perspectives

3 © Maris, IRIT 2009 Planification Introduction Faire une céramique… I have a plan … ? Etat Initial But

4 © Maris, IRIT 2009 Planification Introduction Plan 1.Mouler les céramiques 2.Allumer le four 3.Cuire les céramiques 4.Assembler les céramiques Etat Initial But

5 © Maris, IRIT 2009 Planification Cadre classique de la planification : –Actions instantanées, discrètes, déterministes, –Monde totalement observable, pas d’incertitude. A p1p1 p2p2 e1e1 e2e2 e3e3 Introduction

6 © Maris, IRIT 2009 Planification : Définitions préliminaires Action : A =. Etat : ensemble fini de formules atomiques (fluents). Application de l’action A à un état E : E' = (E - Del(A))  Add(A). Problème de planification : où : – I ensemble fini de fluents, état initial du problème, – G ensemble fini de fluents, buts du problème. – A ensemble fini d’actions, Introduction

7 © Maris, IRIT 2009 Algorithmes essentiels Introduction Recherche dans les espaces d’états Recherche dans les espaces de plans partiels GRAPHPLAN Planification de type SATPLAN Planification de type BLACKBOX Planification SAT (codage de la structure des plans possibles)

8 © Maris, IRIT 2009 Planification temporelle : problématique Planification temporelle Amélioration des solveurs SAT Très bons résultats de la planification SAT Amélioration des solveurs DTP et SMT Résultats pour la planification temporelle ?

9 © Maris, IRIT 2009 Planification temporelle : problématique Planification temporelle Temps Etat Initial But PLAN Mouler les céramiques Cycle de chauffe du four Cuire les céramiques Assembler

10 © Maris, IRIT 2009 Planification temporelle : problématique Planification temporelle Etat Initial But : Manger un plat de pâtes chaud (5 min.) Cuire les pâtes Cuire les lardons Casser l’oeuf Préparer la carbonara Concurrence des actions obligatoire

11 © Maris, IRIT 2009 Planification temporelle : problématique Planification temporelle Problèmes de planification temporels qui ne nécessitent pas la concurrence des actions Temporellement Simples qui nécessitent la concurrence des actions Temporellement Expressifs

12 © Maris, IRIT 2009 Historique Les premiers planificateurs temporels –DEVISER [Vere, 1981] Planification temporelle Logique temporelle basée sur les instants Logique temporelle basée sur les intervalles FORBIN [Dean, Firby, Miller, 1988] IxTeT [Ghallab, Alaoui, 1989.a/b] [Alaoui, 1990] TRIPTIC [Rutten, Hertzberg, 1993] TEST [Reichgelt, Shadbolt, 1990]… algorithmes de recherche dans des espaces de plans TIMELOGIC [Allen, Koomen, 83] TLP [Tsang, 87] …

13 © Maris, IRIT 2009 Algorithmique Recherche dans les espaces d’états étendus –Planification DEP –Planification à progression temporelle flottante Recherche dans les espaces de plans partiels –Satisfaction de contraintes temporelles simples (STN/STP) –Satisfaction de contraintes temporelles disjonctives (DTP) GRAPHPLAN temporel –Construction du graphe guidée par le temps –Construction du graphe guidée par les actions Planification temporelle

14 © Maris, IRIT 2009 Taxinomie Planification temporelle Espaces d'états étendus Espaces de plans partiels Extensions temporelles de GRAPHPLAN

15 © Maris, IRIT 2009 Introduction Cadre temporel (PDDL 2.1) : –Actions avec durée (duration), –Préconditions at start, at end, over all, –Effets at start, at end, –Evènements exogènes et buts temporellement étendus, A [durée] p1p1 p3p3 p2p2 e1e1 e2e2 Planification temporelle

16 © Maris, IRIT 2009 Introduction Compétitions IPC : –Les planificateurs les plus efficaces ne sont pas temporellement expressifs, –Les benchmarks des IPC ne sont pas temporellement expressifs, Un petit nombre de planificateurs sont temporellement expressifs (VHPOP, LPGP, CRIKEY, IxTeT, HSTN), L’expressivité temporelle est restreinte à PDDL2.1. Planification temporelle

17 © Maris, IRIT 2009 Langage de représentation de TLP-GP (over [(+ start 2) end[ (ready ?k)) (somewhere [start (+ start 2)] (ready ?k)) (minimal-duration 5 anywhere [30 40] (baked p3)) A [durée] p1p1 p3p3 p2p2 e1e1 e2e2 e3e3 Planification temporelle

18 © Maris, IRIT 2009 Principes de TLP-GP Expansion d’un graphe de planification simplifié ; Extraction d’un plan-solution : Planification temporelle GRAPHPLAN Planification SAT de type BLACKBOX TLP-GP 1 Recherche arrière conditionnée par la satisfiabilité d’un DTP TLP-GP 2 Codage du graphe en SMT, résolution, décodage

19 © Maris, IRIT 2009 Exemple A :  +a [0;5[ –a [5] +b [5] –d [5] B : a [0]  +c [0;4[ +d [4] –c [4] C : c [0]  –b [1] +e [1] Planification temporelle

20 © Maris, IRIT 2009 A :  +a [0;5[ –a [5] +b [5] –d [5] B : a [0]  +c [0;4[ +d [4] –c [4] C : c [0]  –b [1] +e [1] A B C Niveau 1Niveau 2 Niveau 3 a aa b A a aa b c B A a aa b c dd cc [5] [0;5[ [5] [1] [0;5[ [0] Expansion du graphe de planification dd dd d cc e bb d [5] [0;4[ [4] [0;4[ [4] e d b Planification temporelle

21 © Maris, IRIT 2009 A :  +a [0;5[ –a [5] +b [5] –d [5] B : a [0]  +c [0;4[ +d [4] –c [4] C : c [0]  –b [1] +e [1] A B C Niveau 1Niveau 2 Niveau 3 a aa b A a aa b c B A a aa b c dd cc [5] [0;5[ [5] [1] [0;5[ [0] Extraction d’un plan-solution flottant (TLP-GP 1) dd dd d cc e bb d [5] [0;4[ [4] [0;4[ [4] e C c B a A dd bb [  s (C 3 )+1;  G ] [  s (B 2 );  s (C 3 )] [  s (A 1 );  s (B 2 )] a aa [  s (C 3 )+1] b c cc d Agenda  s (B 2 )  s (C 3 )‏  s (A 1 )  s (B 2 )‏  s (B 2 )<  s (A 1 )+5  s (C 3 )<  s (B 2 )+4 Contraintes bb dd e [  s (B 2 )+4] [  s (A 1 )+5] [  s (B 2 )+4;  G ] [  s (B 2 )+4] [  s (A 1 )+5;  G ] [  s (A 1 )+5]  s (A 1 )+5  s (C 3 )+1  s (A 1 )+5  s (B 2 )+4  s (A 1 )+5<  s (B 2 )+4  s (C 3 )+1<  s (A 1 )+5 [  s (B 2 );  s (B 2 )+4[ [  s (A 1 );  s (A 1 )+5[ Planification temporelle

22 © Maris, IRIT 2009 Extraction d’un plan-solution flottant (TLP-GP 1) Actions du plan flottant : { A 1, B 2, C 3 } Contraintes temporelles :  s (A 1 )   s (B 2 )  s (A 1 )+5 <  s (B 2 )+4  s (B 2 ) <  s (A 1 )+5  s (B 2 )   s (C 3 )  s (C 3 )+1 <  s (A 1 )+5  s (C 3 ) <  s (B 2 )+4 Instants caractéristiques ordonnés :  s (A 1 )   s (B 2 )   s (C 3 ) <  s (C 3 )+1 <  s (A 1 )+5 <  s (B 2 )+4 (Il existe d’autres ordonnancements possibles)‏ Planification temporelle

23 © Maris, IRIT 2009 Plan-solution flottant A 1 [5] B 2 [4] C 3 [1]  s (A 1 )‏  s (B 2 )‏  s (C 3 )‏  s (C 3 )+1  s (A 1 )+5  s (B 2 )+4 INITGOAL 5 < Temps d’exécution < 8 II GG a aa b dd bb a c d cc c e Planification temporelle

24 © Maris, IRIT 2009 Extraction d’un plan-solution flottant (TLP-GP 2) Codage –Règle 1: Etat initial et But n Init n Goal Planification temporelle

25 © Maris, IRIT 2009 Extraction d’un plan-solution flottant (TLP-GP 2) Codage –Règle 2: Production des préconditions par liens causaux nbnb Planification temporelle

26 © Maris, IRIT 2009 Extraction d’un plan-solution flottant (TLP-GP 2) Codage –Règle 2: Production des préconditions par liens causaux nana nbnb p Planification temporelle

27 © Maris, IRIT 2009 Extraction d’un plan-solution flottant (TLP-GP 2) Codage –Règle 3: Activation des actions et ordre partiel nana nbnb p Planification temporelle

28 © Maris, IRIT 2009 Extraction d’un plan-solution flottant (TLP-GP 2) Codage –Règle 3: Activation des actions et ordre partiel nana nbnb p  (n a → p)  (p→ n b ) [… Planification temporelle

29 © Maris, IRIT 2009 Extraction d’un plan-solution flottant (TLP-GP 2) Codage –Règle 4.1: Exclusions mutuelles temporellement étendues nana nbnb p ncnc Planification temporelle

30 © Maris, IRIT 2009 Extraction d’un plan-solution flottant (TLP-GP 2) Codage –Règle 4.1: Exclusions mutuelles temporellement étendues nana nbnb p  (n a → p) [… ncnc  (n c →  p) …] Planification temporelle

31 © Maris, IRIT 2009 Extraction d’un plan-solution flottant (TLP-GP 2) Codage –Règle 4.1: Exclusions mutuelles temporellement étendues nana nbnb p  (n a → p)  (p→ n b ) [……] ncnc  (n c →  p) …] ncnc  (n c →  p) [… Planification temporelle

32 © Maris, IRIT 2009 Extraction d’un plan-solution flottant (TLP-GP 2) Codage –Règle 4.2: Exclusions mutuelles temporellement étendues nbnb nana Planification temporelle

33 © Maris, IRIT 2009 Extraction d’un plan-solution flottant (TLP-GP 2) Codage –Règle 4.2: Exclusions mutuelles temporellement étendues nbnb  (n a → p) …] nana (nb→p)(nb→p) [… Planification temporelle

34 © Maris, IRIT 2009 Extraction d’un plan-solution flottant (TLP-GP 2) Codage –Règle 4.2: Exclusions mutuelles temporellement étendues nana  (n a → p) …] nbnb (nb→p)(nb→p) [… nbnb  (n a → p) …] nana (nb→p)(nb→p) [… Planification temporelle

35 © Maris, IRIT 2009 Extraction d’un plan-solution flottant (TLP-GP 2) Codage –Regle 5: Bornes inférieure et supérieure Planification temporelle

36 © Maris, IRIT 2009 Plan-solution flottant A 1 [5] B 2 [4] C 3 [1]  s (A 1 )‏  s (B 2 )‏  s (C 3 )‏  s (C 3 )+1  s (A 1 )+5  s (B 2 )+4 INITGOAL 5 < Temps d’exécution < 8 II GG a aa b dd bb a c d cc c e Planification temporelle

37 © Maris, IRIT 2009 Résultats expérimentaux Nouveaux benchmarks ( –Extensions de l’exemple –Cooking (pâtes à la carbonara) –Temporal-machine-shop (cuisson de céramiques) Planification temporelle

38 © Maris, IRIT 2009 Résultats expérimentaux Planification temporelle

39 © Maris, IRIT 2009 Résultats expérimentaux Planification temporelle

40 © Maris, IRIT 2009 Résultats expérimentaux Planification temporelle

41 © Maris, IRIT 2009 Interface graphique de TLP-GP 1 Planification temporelle

42 © Maris, IRIT 2009 Conclusion et perspectives