ĐẠI HỌC THÁI NGUYÊN KHOA CÔNG NGHỆ THÔNG TIN ----------------------------------- ĐINH THỊ THUÝ QUỲNH ỨNG DỤNG MẠNG NƠRON TRONG BÀI TOÁN XÁC ĐỊNH LỘ TRÌNH CHO ROBOT LUẬN VĂN THẠC SĨ CÔNG NGHỆ THÔNG TIN THÁI NGUYÊN - 2008 ĐẠI HỌC THÁI NGUYÊN KHOA CÔNG NGHỆ THÔNG TIN ----------------------------------- ĐINH THỊ THUÝ QUỲNH ỨNG DỤNG MẠNG NƠRON TRONG BÀI TOÁN XÁC ĐỊNH LỘ TRÌNH CHO ROBOT Chuyên ngành: Khoa học máy tính Mã số: 60.01 LUẬN VĂN THẠC SĨ CÔNG NGHỆ THÔNG TIN NGƯỜI HƯỚNG DẪN KHOA HỌC: PGS – TS ĐẶNG QUANG Á THÁI NGUYÊN - 2008 MỤC LỤC 1 MỤC LỤC DANH MỤC HÌNH 4 LỜI NÓI ĐẦU 6 CHƢƠNG 1 TỔNG QUAN MẠNG NƠRON NHÂN TẠO. Giới thiệu mạng nơron. Những kiến trúc tính toán. Lịch sử phát triển của mạng nơron.
Nơron sinh học. Nơron nhân tạo. Mạng nơron nhân tạo. Tiếp cận nơron trong tính toán.
Phạm vi ứng dụng của mạng nơron. Những bài toán thích hợp. Các lĩnh vực ứng dụng của mạng nơron. Ƣu nhƣợc điểm của mạng nơron.
Mạng Hopfield rời rạc. Mạng Hopfiel liên tục. Mạng nơron trong kỹ thuật robot. 30 CHƢƠNG 2 GIỚI THIỆU BÀI TOÁN LẬP LỘ TRÌNH CHO ROBOT.
Giới thiệu robot nhân tạo. Giải pháp thiết kế. Bài toán lập lộ trình. 34 1 Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.
Các ví dụ thực tế. Bài toán lập lộ trình chuyển động cho robot. Các thành phần cơ bản của việc lập lộ trình. Trạng thái đầu và trạng thái kết thúc.
Ngƣời lập lộ trình. Lộ trình. Lập lộ trình chuyển động. Không gian cấu hình.
Các khái niệm không gian cấu hình. Mô hình cấu hình. Không gian cấu hình chƣớng ngại. Định nghĩa chính xác về vấn đề lập lộ trình.
58 CHƢƠNG 3 ỨNG DỤNG MẠNG NƠRON NHÂN TẠO TRONG BÀI TOÁN LẬP LỘ TRÌNH CHO ROBOT. Mạng nơron nhân tạo và bài toán lập lộ trình. Ứng dụng mạng Hopfield giải bài toán lập lộ trình. Khái quát một số phƣơng pháp lập lộ trình.
Phƣơng pháp do Yang và Meng đề xuất. Mô hình Yang và Meng cải tiến. Các kết quả thử nghiệm. Chƣơng trình Đềmô.
69 2 Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www. So sánh các kết quả. 75 TÀI LIỆU THAM KHẢO. 77 3 Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.vn DANH MỤC HÌNH Hình 1.1: Mô hình nơron sinh học.2: Mô hình một nơron nhân tạo.3: Mô hình mạng truyền thẳng 1 lớp.4: Mô hình mạng truyền thẳng nhiều lớp.5: Mạnh hồi quy 1 lớp có nối ngƣợc.6: Mạnh hồi quy nhiều lớp có nối ngƣợc.7: Mô hình mạng Hopfield.1: Các thành phần cấu thành Robot.3: Giải thuật kéo 2 thanh thép tách ra.4: Sử dụng Robot di động để di chuyển Piano.5: (a) ngƣời lập lộ trình thiết kế giải thuật lập lộ trình.
43 (b) Ngƣời lập lộ trình thiết kế toàn bộ máy .6: Một số lộ trình và sự cải tiến lộ trình.7: Mô hình có thứ bậc 1 máy có thể chứa đựng 1 máy khác.8: Không gian cấu hình.9: Một Robot điểm di chuyển trong không gian 2D, C – Space là R2.10: Một Robot điểm di chuyển trong không gian 3D, C – Space là R3.11: Một đa thức lồi có thể đƣợc xác định bởi phép giao của các nửa mặt phẳng.12: Dấu hiệu của f(x,y) phân chia R2 thành 3 vùng: f(x,y) <0, f(x,y) >0, f(x,y) =0. (b)Biểu diễn các cạnh của một mạt trong đa diện 53 4 Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.14: (a) Sử dụng f để phân chia R2 thành 2 vùng. (b) Sử dụng màu đạ số để mô hình hoá vùng mặt.15: Biểu thị một đa giác với những lỗ. Ngƣợc chiều kim đồng hồ cho biên ngoài và thuận chiều kim đồng hồ cho biên trong.16: C – Space và nhiệm vụ tìm đƣờng từ qI đến qG trong Cfree.1: Giao diện chƣơng trình mô hình nguyên bản.2: Giao diện chƣơng trình mô hình cải tiến.
72 5 Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.vn LỜI NÓI ĐẦU Nhờ các khả năng: Học, nhớ lại và khái quát hoá từ các mẫu huấn luyện hoặc dữ liệu, mạng nơron nhân tạo trở thành một phát minh mới đầy hứa hẹn của hệ thống xử lý thông tin. Các tính toán nơron cho phép giải quyết tốt những bài toán đặc trƣng bởi một số hoặc tất cả các tính chất sau: Sử dụng không gian nhiều chiều, các tƣơng tác phức tạp, chƣa biết hoặc không thể theo dõi về mặt toán học giữa các biến. Ngoài ra phƣơng pháp này còn cho phép tìm ra nghiệm của những bài toán đòi hỏi đầu vào là các cảm nhận của con ngƣời nhƣ: tiếng nói, nhìn và nhận dạng. Bài toán lập lộ trình cho robot là một bài toán khá phức tạp, do khi tồn tại và hành động trong môi trƣờng robot sẽ phải chịu rất nhiều sự tác động khác nhau.
Tuy nhiên, các tính toán nơron lại cho phép giải quyết tốt các bài toán có nhiều tƣơng tác phức tạp. Vì vậy, ứng dụng mạng nơron trong bài toán xác định lộ trình cho robot sẽ hứa hẹn là một giải pháp hiệu quả góp phần nâng cao hiệu năng làm việc của robot nhờ khả năng di chuyển nhanh chóng, chính xác trong các môi trƣờng làm việc của mình. Trên thế giới, đã có một số nghiên cứu ứng dụng mạng nơron trong bài toán lập lộ trình cho robot. Tuy nhiên, lĩnh vực này còn khá mới mẻ và chƣa đƣợc ứng dụng rộng rãi ở nƣớc ta.
Trong nƣớc cũng chƣa có một tài liệu chính thống nào về lĩnh vực này. Với những ứng dụng ngày càng rộng rãi của công nghệ robot, việc nghiên cứu và áp dụng những thành tựu mới của công nghệ thông tin vào thiết kế và cải tiến các kỹ năng trong đó có kỹ năng tránh các vật cản khi di chuyển là một trong những vấn đề nóng đang rất đƣợc quan tâm. Chính vì những lý do trên em đã quyết định chọn đề tài: “Ứng dụng mạng nơron trong bài toán xác định lộ trình cho robot” Với mục đích tìm 6 Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.vn hiểu về mạng nơron nhân tạo và bài toán lập lộ trình cho robot, ứng dụng mạng nơron vào bài toán trên. Luận văn gồm 3 chƣơng với các nội dung cơ bản sau: Chƣơng 1: Trình bày tổng quan về cơ sở của mạng nơron nhân tạo, và nêu khái quát những ứng dụng của mạng nơron trong công nghệ robot.
Chƣơng 2: Trình bày: bài toán lập lộ trình và những thành phần của nó, không gian cấu hình, cấu hình chƣớng ngại vật. Chƣơng 3: Trình bày: hƣơng pháp lập lộ trình của Yang và Meng, cải tiến mô hình nguyên bản do Yang và Meng đề xuất, cài đặt thử nghiệm hai mô hình đã trình bày, đƣa ra những nhận xét về hiệu quả của hai mô hình đó. Mặc dù đã hết sức nỗ lực, song do thời gian và kinh nghiệm nghiên cứu khoa học còn hạn chế nên không thể tránh khỏi những thiếu sót. Em rất mong nhận đƣợc sự góp ý của các thầy cô và bạn bè đồng nghiệp để hiểu biết của mình ngày một hoàn thiện hơn.
Qua luận văn này em xin chân thành cảm ơn: PGS .TS Đặng Quang Á - Viện Công nghệ thông tin đã tận tình giúp đỡ, động viên, định hƣớng, hƣớng dẫn em nghiên cứu và hoàn thành luận văn này. Em xin cảm ơn các thầy cô giáo trong viện Công nghệ thông tin, các thầy cô giáo khoa Công nghệ thông tin ĐH Thái nguyên, đã giảng dạy và giúp đỡ em trong hai năm học qua, cảm ơn sự giúp đỡ nhiệt tình của các bạn đồng nghiệp. THÁI NGUYÊN 11/2008 Ngƣời viết luận văn Đinh Thị Thuý Quỳnh 7 Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.vn CHƢƠNG I TỔNG QUAN MẠNG NƠRON NHÂN TẠO 1. GIỚI THIỆU MẠNG NƠRON 1.1 Những kiến trúc tính toán Khái niệm tính toán có thể đƣợc hiểu theo nhiều cách.
Trƣớc đây, việc tính toán bị ảnh hƣởng bởi quan niệm tính toán theo chƣơng trình (Programed computing). Theo quan điểm này, để giải quyết bài toán thì bƣớc đầu tiên ta cần thiết kế giải thuật sau đó cài đặt giải thuật đó trên cấu trúc hiện hành có ƣu thế nhất. Quan sát các hệ sinh học, đặc biệt là bộ não ngƣời ta thấy chúng có những đặc điểm sau: (1) Bộ não tích hợp và lƣu trữ kinh nghiệm: Tức là bộ não có khả năng tự phân loại và liên kết các dữ liệu vào. (2) Bộ não xem xét kinh nghiệm mới dựa trên những kinh nghiệm đã lƣu trữ.
(3) Bộ não có khả năng dự đoán chính xác những tình huống mới dựa trên những kinh nghiệm tự tổ chức trƣớc đây. (4) Bộ não không yêu cầu thông tin hoàn hảo. (5) Bộ não thể hiện một kiến trúc chấp nhận lỗi tức là có thể khôi phục sự mất đi của một vài noron bằng cách thích nghi với noron còn lại hoặc bằng cách đào tạo bổ xung. (6) Cơ chế hoạt động của bộ não đôi khi không rõ ràng trong vận hành.
Ví dụ với một số bài toán chúng ta có thể cung cấp nghiệm nhƣng không thể giải thích đƣợc các bƣớc tìm nghiệm. 8 Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.vn (7) Bộ não có khuynh hƣớng đƣa ra những giải pháp trong một trạng thái cân bằng hoặc có khuynh hƣớng dẫn đến trạng thái đó Từ đó ta nhận thấy, tính toán dựa trên các hệ sinh học khác với tính toán theo chƣơng trình ở các đặc điểm sau: - Quá trình tính toán đƣợc tiến hành song song và phân tán trên nhiều noron - Tính toán thực chất là quá trình học chứ không phải theo một sơ đồ định sẵn từ trƣớc. Dựa trên nhữnh đặc điểm này một phƣơng pháp tính toán mới có nền tảng từ sinh học là mạng noron nhân tạo (Artifical Neural Networks_ ANNs) đã ra đời và có tiềm năng trở thành kiến trúc tính toán chiếm ƣu thế.2 Lịch sử phát triển của mạng noron. Mạng noron nhân tạo đƣợc xây dựng từ những năm 1940 nhằm mô phỏng một số chức năng của bộ não ngƣời.
Dựa trên quan điểm cho rằng bộ não ngƣời là bộ điều khiển. Mạng noron nhân tạo đƣợc thiết kế tƣơng tự nhƣ noron sinh học sẽ có khả năng giải quyết hàng loạt các bài toán nhƣ tính toán tối ƣu, điều khiển, công nghệ robot… Quá trình nghiên cứu và phát triển noron nhân tạo có thể chia thành 4 giai đoạn nhƣ sau: - Giai đoạn 1: Có thể tính từ nghiên cứu của William (1890) về tâm lý học với sự liên kết các noron thần kinh. Năm 1940 Mc Culloch và Pitts đã cho biết noron có thể mô hình hoá nhƣ thiết bị ngƣỡng (Giới hạn) để thực hiện các phép tính logic và mô hình mạng noron của Mc Culloch – Pitts cùng với giải thuật huấn luyện mạng của Hebb ra đời năm 1943.
