Κατέβασμα παρουσίασης
Η παρουσίαση φορτώνεται. Παρακαλείστε να περιμένετε
1
Αυτό το παιχνίδι είναι σχεδόν ίδιο με το προηγούμενο. Διαφορές Οι κυνηγοί δεν γνωρίζουν τη θέση του φυγάδα (αόρατος φυγάδας). Ο φυγάδας γνωρίζει τις θέσεις των κυνηγών. Ο φυγάδας έχει πολύ μεγαλύτερη ταχύτητα από τους κυνηγούς. Εφαρμογή του παιχνιδιού: έρευνα μέσα σε ένα κτίριο. Pursuit Evasion με αόρατο φυγάδα
2
Όπως και στα προηγούμενα, με διακριτοποίηση καταλήγουμε σε καταδίωξη επί ενός γράφου.
3
Καταδίωξη / διαφυγή Αόρατου Φυγάδα επί ενός γράφου
4
Το πρόβλημα του αόρατου φυγάδα είναι υπολογιστικά πολύ πιο δύσκολο από αυτό του ορατού φυγάδα. Διάφορες λύσεις, όλες ευρετικές. Δεν υπάρχει minmax διατύπωση ανάλογη με του ορατού φυγάδα (γιατί δεν εφαρμόζεται η λύση του ορατού φυγάδα?) Βασική ιδέα: Σαρώνουμε το κτίριο, καθαρίζουμε τα δωμάτια, φροντίζουμε ώστε κανένα καθαρό δωμάτιο να μην ξαναμολυνθεί. Βασική ιδέα: Η κατάσταση (state) της καταδίωξης και η συνάρτηση εξέλιξης κατάστασης (state evolution function).
5
H Κατάσταση της Καταδίωξης Που βρίσκεται ο κάθε κυνηγός Που μπορεί να βρίσκεται ο φυγάδας (dirty set) Διάνυσμα κατάστασης (x t,D t ) Συνάρτηση εξέλιξης κατάστασης: (x t,D t )=F(x t-1,D t-1,u t ) Το Κόστος της Κατάστασης της Καταδίωξης J(x t,D t )=|D t |
6
Algorithm PEI (Pursue / Evasion Invisible) Input: Graph (V,E); Starting node n ₀ For t=1:Tmax For n=1:N Path(n)=[ ] DirtySet(n)=V Cost(n)=|DirtySet(n)| Next n Path(n ₀ )=[n ₀ ] DirtySet(n ₀ )=V-N(n ₀ ) Cost(n ₀ )=|DirtySet(n ₀ )| [Path, DirtySet, Cost]=SearchUpdate(Path, DirtySet, Cost) Next t Output: PathBest
![Algorithm PEI (Pursue / Evasion Invisible) Input: Graph (V,E); Starting node n ₀ For t=1:Tmax For n=1:N Path(n)=[ ] DirtySet(n)=V Cost(n)=|DirtySet(n)| Next n Path(n ₀ )=[n ₀ ] DirtySet(n ₀ )=V-N(n ₀ ) Cost(n ₀ )=|DirtySet(n ₀ )| [Path, DirtySet, Cost]=SearchUpdate(Path, DirtySet, Cost) Next t Output: PathBest](http://images.slideplayer.gr/11/2989277/slides/slide_6.jpg "Algorithm PEI (Pursue / Evasion Invisible) Input: Graph (V,E); Starting node n ₀ For t=1:Tmax For n=1:N Path(n)=[ ] DirtySet(n)=V Cost(n)=|DirtySet(n)| Next n Path(n ₀ )=[n ₀ ] DirtySet(n ₀ )=V-N(n ₀ ) Cost(n ₀ )=|DirtySet(n ₀ )| [Path, DirtySet, Cost]=SearchUpdate(Path, DirtySet, Cost) Next t Output: PathBest")
7
Func[Path,DSet,Cost]=SearchUpdate(Path,DSet, Cost) For n=1:N For m=1:N If m is neighbor of n PathBest=Path(m) DirtyBest=DirtySet(m) CostBest=Cost(m) PathNew=[Path(n) m] DirtyNew=State(n,DirtySet(n),m) CostNew=|DirtyNew| If CostNew<CostBest PathBest=PathNew DirtyBest=DirtyNew CostBest=CostNew EndIf Path(m)=PathBest DirtySet(m)=DirtyBest Cost(m)=CostBest EndIf Next m Next n
![Func[Path,DSet,Cost]=SearchUpdate(Path,DSet, Cost) For n=1:N For m=1:N If m is neighbor of n PathBest=Path(m) DirtyBest=DirtySet(m) CostBest=Cost(m) PathNew=[Path(n) m] DirtyNew=State(n,DirtySet(n),m) CostNew=|DirtyNew| If CostNew<CostBest PathBest=PathNew DirtyBest=DirtyNew CostBest=CostNew EndIf Path(m)=PathBest DirtySet(m)=DirtyBest Cost(m)=CostBest EndIf Next m Next n](http://images.slideplayer.gr/11/2989277/slides/slide_7.jpg "Func[Path,DSet,Cost]=SearchUpdate(Path,DSet, Cost) For n=1:N For m=1:N If m is neighbor of n PathBest=Path(m) DirtyBest=DirtySet(m) CostBest=Cost(m) PathNew=[Path(n) m] DirtyNew=State(n,DirtySet(n),m) CostNew=|DirtyNew| If CostNew<CostBest PathBest=PathNew DirtyBest=DirtyNew CostBest=CostNew EndIf Path(m)=PathBest DirtySet(m)=DirtyBest Cost(m)=CostBest EndIf Next m Next n")
8
PEI Computer Demo 1
9
PEI Computer Demo 2
10
PEI Computer Demo 3
Παρόμοιες παρουσιάσεις
