Квантовый самоорганизующийся интеллектуальный регулятор в робототехнике: квантовый нечеткий вывод со встроенным квантовым генетическим алгоритмом
Боковая панель статьи
Основное содержимое статьи
Аннотация
В задачах управления, поддержка свойства робастности функционирования сложного, слабо структурированного объекта управления (ОУ) за счет применения интеллектуальной системы управления (ИСУ) и технологий интеллектуальных вычислений, необходима для достижения цели управления в условиях риска и непредвиденных (или нештатных) ситуаций. С алгоритмической точки зрения эффективное решение актуальной проблемы обеспечения устойчивого функционирования ОУ в условиях неопределенности и сохранения робастности ИСУ означает, что в используемом алгоритме достижения цели управления выполняются следующие необходимые и достаточные (в общем случае антагонистические) условия: 1) минимум исходной информации о внешней среде (или возмущение, действующее на ОУ); 2) минимальный расход обобщенного полезного ресурса в ОУ и ИСУ. Рассматривается применение квантовых поисковых алгоритмов (КПА) в интеллектуальных системах управления (ИСУ), т.е. в системах, которые способны функционировать в непредвиденных ситуациях с гарантированным достижением цели управления (свойство робастности). Разработана интеллектуальная технология (ИТ) проектирования робастных баз знаний (БЗ) с применением квантовых эффектов самоорганизации в условиях непредвиденных ситуаций управления и риска. Описываются принципы построения, структура и практическое применение разработанной ИТ проектирования робастных БЗ в ИСУ, эффективно и надежно функционирующих в условиях риска и непредвиденных ситуаций управления на основе модели самоорганизации БЗ. Результат разработки заключается в обеспечении гарантированного достижения цели управления в непредвиденных (нештатных) ситуациях управления в реальном времени, как следствие применения квантового генетического алгоритма (КГА) управления в структуре самоорганизующейся ИСУ. Приведены примеры эффективного моделирования самоорганизации робастных БЗ в ИСУ динамически (глобально или локально) неустойчивыми существенно-нелинейными ОУ.
Скачивания
Информация о статье
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
Библиографические ссылки
Ульянов С. В., Николаева А. В., Решетников А .Г. Интеллектуальные системы управления в непредвиденных ситуациях. Оптимизатор баз знаний на мягких вычислениях. LAP LAMBERT Acad. Publ., OmniScriptum GmbH & Co. KG, 2013.
Ульянов С. В. Интеллектуальное робастное управление: технологии мягких вычислений. – М.: ВНИИгеосистем, 2011. – 408 c.
Ulyanov S.V, et al. System and method for nonlinear dynamic control systems based on soft computing with discrete constraints. Patent US 6,950,712 B2, 2005.
Интеллектуальные системы управления : учебное пособие для вузов: в 5 т. Т. 4 : Оптимизатор баз знаний на квантовых вычислениях: в 2 ч. Ч. 1. Квантовая самоорганизация баз данных и квантовый нечеткий вывод / С. В. Ульянов, Л. В. Литвинцева, В. А. Албу [и др.]. – Дубна : Международный университет природы, общества и человека "Дубна", 2014. – 224 с.
Интеллектуальные системы управления : учебное пособие для вузов: в 5 т. Т.3 : Оптимизатор баз знаний на мягких вычислениях: в 2 ч. Ч.1: Обучение, адаптация и моделирование / С. В. Ульянов, Л. В. Литвинцева, С. В. Сорокин [и др.]. – Дубна : Международный университет природы, общества и человека "Дубна", 2014. – 170 с.
Интеллектуальные системы управления: в 5 т. Т. 3. Оптимизатор баз Интеллектуальные системы управления : учебное пособие для вузов: в 5 т. Т. 3 : Оптимизатор баз знаний на мягких вычислениях: в 2 ч. Ч. 2: Интеллектуальные регуляторы и робототехника / С. В. Ульянов, Л. В. Литвинцева, О. Ю. Тятюшкина [и др.]. – Дубна : Международный университет природы, общества и человека "Дубна", 2014. – 170 с.
Интеллектуальные системы управления : учебное пособие для вузов: в 5 т. Т. 4 : Оптимизатор баз знаний на квантовых вычислениях: в 2 ч. Ч.2. Самоорганизующиеся интеллектуальные системы управления / С. В. Ульянов, А. В. Николаева, А. Г. Решетников, И. А. Бархатова. – Дубна : Международный университет природы, общества и человека "Дубна", 2014. – 183 с.
Ulyanov S.V. Self-organized quantum robust control methods and systems for situations with uncertainty and risk. Patent US 8788450 B2, 2014.
Ulyanov S. V., Litvintseva L. V., Ulyanov S. S. Quantum swarm model of self-organization process based on quantum fuzzy inference and robust wise control design // Proc. 7th International Conference on Application of Fuzzy Systems and Soft Computing. – 2006. – С. 13-14.
Ulyanov S. V. Quantum fuzzy inference based on quantum genetic algorithm: quantum simulator in intelligent robotics //International Conference on Theory and Application of Soft Computing, Computing with Words and Perceptions. – Cham : Springer International Publishing, 2019. – С. 78-85. – DOI: 10.1007/978-3-030-35249-3_92020.
Ulyanov, S. Intelligent Cognitive Robotics : Quantum self-organization of imperfect knowledge bases: quantum intelligent force control and information-thermodynamic law of extracted informed useful work. Vol.2 / S. Ulyanov. – Москва : Общество с ограниченной ответственностью Издательство "КУРС", 2022. – 472 c. – (Quantum IT ; Volume II).
Ульянов С. В., Решетников Г. П., Решетников А. Г. Технологии интеллектуальных вычислений. Квантовые вычисления и программирование в самоорганизующихся интеллектуальных системах управления. – Дубна: ОИЯИ, 2015. – 246 с.
Ulyanov S. V. Self-organized intelligent robust contro:l based on quantum fuzzy inference // Recent Advances in Robust Control – Novel Approaches and Design Methods / A. Mueller (Ed.), Ch. 9. – IntechOpen, 2011. – С. 187-220.
Ulyanov S. V. System and method for control using quantum soft computing. Patent US 6,578,018 B1, Filed Jul. 27, 1999. Date of patent. Jun. 10,2003.
Litvintseva L. V., Ulyanov S. V. Quantum fuzzy inference for knowledge base design in robust intelligent controllers // Journal of Computer and Systems Sciences International.– 2007. – Т. 46, № 6. – С. 908–961. – DOIi:10.1134/S1064230707060081.
Ulyanov S .V. Self-organization of robust intelligent controller using quantum fuzzy inference // 3rd International Conference on Intelligent System and Knowledge Engineering. – IEEE, 2008. – Т. 1. – С. 726–732. – DOI:10.1109/ISKE.2008.4731026.
Maximum work extraction and implementation costs for nonequilibrium Maxwell’s demon / H. Sandberg, J. C. Delvenne, N. J. Newton, S. K. Mitter // Physical Review E. – 2014.– № 4. – С. 042119.
Ульянов С. В., Решетников А. Г. Синергетика информационно-когнитивного взаимодействия в интеллектуальных робототехнических системах с дистанционным обменом знаниями // Программные продукты и системы. – 2017. – № 4. – С. 593-600.
Ульянов С. В. Квантовая релятивистская информатика. – LAP LAMBERT Acad. Publ, OmniScriptum GmbH & Co. KG, 2015.
Sieniutycz S. Hamilton-Jacobi-Bellman framework for optimal control in multistage energy systems // Physics Reports. – 2000. – Т. 326, № 2. – С. 165-258.
Ulyanov S. V. Quantum soft computing in control process design: quantum genetic algorithms and quantum neural network approaches // Proceedings World Automation Congress, 2004. – IEEE, 2004. – Т. 17. – С. 99-104.
The improvement of quantum genetic algorithm and its application on function optimization / H. Wang, J. Liu, J. Zhi, C. Fu // Mathematical problems in engineering. – 2013. – Т. 2013, №. 1. – С. 730749.
Malossini A., Blanzieri E., Calarco T. QGA: A quantum genetic algorithm. Technical Report # DIT-04-105, University of Toronto, 2004.
Lahoz-Beltra R. Quantum genetic algorithms for computer scientists // Computers. – 2016. – Т. 5, №. 4. – С. 24.
Ульянов С. В., Рябов Н. В. Квантовый симулятор в задачах моделирования интеллектуального нечеткого управления // Нечеткие системы и мягкие вычисления. – 2019. – Т. 14, № 1. – С. 19–33. DOI: 10.26456/fssc49.
Нефёдов Н. Ю., Ульянов С. В. Моделирование квантового поискового алгоритма Гровера на классическом компьютере // Системный анализ в науке и образовании. – 2010. – №2. – С. 49-64. – URL: http://sanse.ru/download/53.
Николаева А. В., Ульянов С. В. Проектирование интеллектуальной системы управления роботом манипулятором. Ч. 2: Декомпозиция управления и физический эксперимент на основе технологии мягких вычислений // Системный анализ в науке и образовании. – 2013. – №1.– С. 144-166.
Николаева А. В., Петров С. П., Ульянов С. В. Проектирование интеллектуальной системы управления роботом-манипулятором. Ч. 1: Технологии мягких вычислений // Системный анализ в науке и образовании. – 2012. - № 3. – С. 73-97.
Nielsen M. A., Chang I. L. Quantum Computation and Quantum Information. – Cambridge university press, 2000.
Marinescu D. C., Marinescu G. M. Approaching quantum computing. – Pearson Prentice Hall, 2006.
Ульянов С. В., Сорокин С. В., Литвинцева Л. В. Оптимизатор баз знаний на основе квантовых вычислений для проектирования самоорганизующихся нечетких регуляторов: программный инструментарий // Системный анализ в науке и образовании. – 2012. – № 1. – С. 132-159.
Ghisi F., Ulyanov S. The information role of entanglement and interference operators in Shor’s quantum algorithm gate dynamics // Journal of Modern Optics. – 2000. – Т.47, № 12. – С. 2079-2090.
Николаева А.В., Ульянов С.В. Проектирование интеллектуальной системы управления роботом манипулятором. Ч. 3: Моделирование и физический эксперимент на основе технологии мягких вычислений // Системный анализ в науке и образовании . – 2013.– №1. – С. 167-192.
Ulyanov S. V. Quantum Algorithm of Imperfect KB Self-organization Pt I: Smart Control - Information-Thermodynamic Bounds // Artificial Intelligence Advances. – 2021. – Т. 3, № 2. –С. 13-36. – DOI: 10.30564/aia.v3i2.3171.
Ulyanov S. V., Ulyanov V. S. , Hagiwara T. Robust Quantum Controllers: Quantum Information -- Thermodynamic Hidden Force Control in Intelligent Robotics based on Quantum Soft Computing // arXiv preprint. – Дата публикации: 18.05.2023. — DOI: 10.48550/arXiv.2305.11254.
Intelligent cognitive robotics. Vol. III: Quantum computational toolkit of quantum self-organized intelligent control system simulator: quantum deep machine learning on quantum-inspired neural network and quantum genetic algorithm / A. G. Reshetnikov, S. V. Ulyanov, P. V. Zrelov, D. P. Zrelova. – Москва: Курс, 2023. – 432 с.