Uma Ferramenta Computacional para o Projeto de Sistemas Inteligentes DCA/FEEC/UNICAMP A. S. R. Gomes J. A. S. Guerrero R. R. Gudwin.

Apresentação em tema: "Uma Ferramenta Computacional para o Projeto de Sistemas Inteligentes DCA/FEEC/UNICAMP A. S. R. Gomes J. A. S. Guerrero R. R. Gudwin."— Transcrição da apresentação:

1 Uma Ferramenta Computacional para o Projeto de Sistemas Inteligentes DCA/FEEC/UNICAMP A. S. R. Gomes J. A. S. Guerrero R. R. Gudwin

2 Motivações para o Trabalho Necessidade de mecanismos mais adequados para implementação de modelos de sistemas inteligentes. –Semiótica Computacional Falta de ferramentas de software similares. Estudo de modelos: –Análise –Síntese Difusão dos conceitos desenvolvidos sobre Redes de Objetos entre os meios científico e tecnológico.

3 Conceitos... O objeto conceitual Sistema de Objetos Rede Objetos RO baseada emmatching Sistemas de objetos

4 RO baseada em matching Objetos passivos –Apenas armazenam informação. Objetos ativos –Podem armazenar informação. –Processam informações quando disparados pelo algoritmo de matching, gerando e/ou consumindo objetos. Função estado entrada Porta privada de saída Porta privada de entrada estado saída estado interno estado interno

5 RO baseada em matching Lugares –agrupam objetos da mesma classe. –Podem corresponder a fontes e/ou vertedouros de arcos. Arcos –Conectam dois lugares.

6 BMSA Algoritmo de busca: –Encontra o conjunto de objetos ativos, incluindo as respectivas funções, a serem disparados. –Encontra automaticamente o escopo habilitante a partir das informações individuais de interesse, eliminando possíveis conflitos. Combinações locais Combinações globais BMSA

7 Combinações duas combinações, uma ação uma combinação para cada (e/c), uma ação.

8 Ferramenta computacional - MTON Requisitos: –Escalabilidade**. –Portabilidade*. –Performance**. –Capacidade de representação*. –Facilidade de interação com o usuário*. –Facilidade de implementação*. –Capacidade de reuso de software*.

9 Ferramenta computacional - MTON Características técnicas: –Concorrência implícita para cada lugar. –Importa classes Java já codificadas. –Modelo cliente/servidor.

10 Ciclo de funcionamento MTON Hghd h g kjhfg kj kjfdhg kjhfdg kjh kjsdfhg jhgjgf kjh jjhkj kjhkj kjh kjhfg kjh jh kjh kjh kjh j hkjh kjh kjh kjjh classes Java externas Hghd h g kjhfg kj kjfdhg kjhfdg kjh kjsdfhg jhgjgf kjh jjhkj kjhkj kjh kjhfg kjh jh kjh kjh kjh j hkjh kjh kjh kjjh especificação do modelo Hghd h g kjhfg kj kjfdhg kjhfdg kjh kjsdfhg jhgjgf kjh jjhkj kjhkj kjh kjhfg kjh jh kjh kjh kjh j hkjh kjh kjh kjjh rede do modelo implementação das classes do modelo Hghd h g kjhfg kj kjfdhg kjhfdg kjh kjsdfhg jhgjgf kjh jjhkj kjhkj kjh kjhfg kjh jh kjh kjh kjh j hkjh kjh kjh kjjh ONSLC GUI

11 Criação de uma rede de objetos Especificação do modelo. –Classes internas e externas. –Topologia. Implementação das classes. –Código privado das classes especificadas. –Ligação a bibliotecas externas. –Definição do estado inicial.

12 Especificação do modelo Classes externas: nome de importação e classe Java externa. Classes internas: –Variáveis: nome e classe. –Funções: nome, domínio, contra-domínio e domínio da sub-função de matching. –Portas (entrada e saída): campo associado. Topologia: –Lugares: classe associada. –Arcos: lugar e porta associada. Núcleo: estado inicial.

13 Núcleo Especificação do modelo Exemplo: Classe Externa Classe Interna Variáveis Funções Portas Arcos Lugar Nome da Rede Definição das Classes Definição da Topologia

14 Especificação do modelo Exemplo: growhungry i1 o1 ifork ofork hungry itimesync eat i2 Objeto da classe PHILOSOPHER Objeto da classe DEATH Objeto da classe FORK

15 Exemplo - CPN Rede de Petri Colorida

16 Exemplo - GA (TSP)

17 Caixeiro Viajante - versão 2

18 Exemplo - Fuzzy Controller Controle de veículo autônomo

19 Trabalhos Futuros Modelo computacional em objetos distribuídos (RMI ou CORBA). Bibliotecas para visualização e interface com dispositivos externos. Otimização do algoritmo de busca. Criação de distribuições específicas para algoritmos genéticos, sistemas nebulosos e redes neurais. Expansão do modelo para redes hierárquicas e/ou objetos com campo.