Diese Arbeit beschäftigt sich mit einer digitalen Modelleisenbahn. Seit einigen Jahren wird am FORWISS ein System zur Steuerung einer digitalen Modelleisenbahnanlage entwickelt, die auch durch in ein Mikrofon gesprochene Befehle gesteuert werden kann. Das System stellt mittlerweile auch Mechanismen zur Kollisionskontrolle bereit, indem sie Züge anhält, falls sie aufeinander zufahren oder ein Zug in das “Revier” eines anderen fährt. Dieses System, das Kollisionen vermeidet, ist zwar für den Benutzer schon sehr nützlich, da zum Beispiel auch finanzielle Schäden, die durch das Zusammenstoßen zweier Züge entstehen können, vermieden werden, kann ihn aber noch nicht gänzlich zufrieden stellen. Der Sinn dieser Arbeit ist es, den Benutzern die Arbeit abzunehmen, den angehaltenen Zügen persönlich neue Befehle zu geben, damit sie ihre Arbeit wieder aufnehmen. Diese neuen Befehle, die den Konflikt auflösen, sollte das System deshalb selbst berechnen. Wenn zum Beispiel ein Zug seine planmäßige Route abfährt, während ein zweiter ohne speziellen Auftrag auf dem Gleis unterwegs ist, wäre es nicht sinnvoll, dass der Benutzer den zweiten Zug persönlich wieder wegfahren muss, damit der erste seinen Auftrag erfüllen kann. In diesem Falle sollte das System selbst entscheiden können, welcher Zug dem anderen ausweichen muss. Zu diesem Zweck sollte es die aktuelle Gesamtsituation der Modelleisenbahn analysieren und auf Grund der Informationen,
die es dadurch erhält, eine Entscheidung treffen, was zu tun und wie der Konflikt aufzulösen ist. Da es natürlich immer mehrere Möglichkeiten geben kann, einen Konflikt aufzulösen, muss das System auch selbstständig diese Lösungsmöglichkeiten analysieren
und nach einem oder mehren Kriterien bewerten können, um die objektiv “beste” Lösung zu finden und umzusetzen. Es sollte also nach dieser Arbeit möglich sein, dass Züge ihre Aufträge trotz verschiedener Hindernisse (die aber meistens aus anderen
Zügen bestehen) ohne eine weitere Eingabe des Benutzers ausführen.
Inhaltsverzeichnis
1 Einleitung
2 Der momentane Stand des Eisenbahnprojekts
2.1 Überblick über das vollständige Eisenbahnsystem
2.2 Das Eisenbahnkontrollsystem und seine Agenten
2.2.1 Multiagentensysteme und der KQML-Standard
2.2.2 Die verschiedenen Agenten der Eisenbahn
2.3 Kommunikation zwischen den verschiedenen Agenten
2.3.1 Die Initialisierung der Agenten
2.3.2 Das Schalten einer Weiche
2.3.3 Die Bewegung des Zuges
2.3.4 Das Ändern der Zuggeschwindigkeit
2.3.5 Die Reservierung eines Weges
3 Planen und daraus entstehende Konflikte
3.1 Grundlagen des Planens
3.2 Planungsprobleme
3.3 Verschiedene Planungsverfahren
3.3.1 STRIPS an Hand eines Beispiels
3.3.2 Vergleich von STRIPS mit anderen gängigen Verfahren
3.4 Konflikte
3.4.1 Klassifikation von Konflikten
3.4.2 Grundlagen des Konfliktlösens
4 Implementierung der Konfliktlösung
4.1 Zusammentragen der benötigten Informationen
4.1.1 Statische Informationen an “theBrain”
4.1.2 Dynamische Informationen an “theBrain”
4.2 Abspeichern der Informationen und Konsistenzproblem
4.2.1 Situationsberechnung nach jeder Nachricht mit Racer
4.2.2 Situationsberechnung zum Zeitpunkt des Konfliktes mit Racer
4.2.3 Situationsberechnung nach jeder Nachricht ohne Racer
4.3 Die Konfliktlösung beim Auftritt eine Konfliktes
4.3.1 Die einfache Konfliktlösung
4.3.2 Die komplexe Konfliktlösung mittels Lparse und Smodels
4.3.2.1 Lparse, Smodels und die Logikprogrammierung
4.3.2.2 Das Erstellen der nötigen Dateien
4.3.2.3 Die von Lparse benötigten Constraints
4.3.2.4 Die von Lparse und Smodels berechneten Lösungen
4.4 Das Auswählen und die Durchführung der besten Lösung
4.4.1 Die Bewertung der Lösungen
4.4.2 Das Umsetzen einer Lösung
5 Beispiel einer Konfliktlösung
5.1 Das Starten der benötigten Komponenten
5.2 Beispiel eines Konfliktes zwischen zwei Zügen
6 Zusammenfassung und Ausblick
Zielsetzung & Themen
Das Hauptziel dieser Arbeit ist die Entwicklung einer zentralen Komponente namens "theBrain", die in einem Multiagentensystem zur Steuerung einer digitalen Modelleisenbahn auftretende Konflikte zwischen Zügen autonom identifiziert und auflöst, um manuelle Benutzereingriffe zu minimieren. Die Arbeit adressiert dabei die Herausforderung, dass bisherige Kollisionsvermeidungssysteme Züge zwar stoppen können, jedoch keine eigenständige Konfliktlösung durchführten.
- Entwicklung eines zentralen Konfliktlösungsagenten ("theBrain")
- Integration von Planungs- und Konfliktlösungsverfahren (Lparse, Smodels)
- Analyse und Optimierung von Konsistenzprüfungsmethoden
- Implementierung einer automatisierten Lösungsbewertung und -umsetzung
- Evaluation anhand eines konkreten Szenarios mit zwei kollidierenden Zügen
Auszug aus dem Buch
3.4 Konflikte
Obwohl im Laufe der Jahre viele verschiedene Konfliktlösemechanismen entwickelt wurden (siehe Kap. 3.4.2), gibt es kein Verfahren, das in allen vorkommenden Situationen am besten arbeitet. Damit wird es notwendig, auftretende Konflikte in Klassen einzuordnen und dem Konflikt nach seiner Klasse ein Lösungsverfahren zuzuordnen.
Indem Agenten beim Auftreten eines Konfliktes dynamisch ein Lösungsverfahren zugewiesen wird - die Auswahl des jeweiligen Verfahren kann durch den aktuellen Systemzustand als auch durch die Klassifikation des Konfliktes erfolgen -, kann der Lösungsprozess sowohl beschleunigt als auch vereinfacht werden.
In der Literatur können verschiedene Ansätze, Konflikte in Klassen einzuordnen gefunden werden. Der am häufigsten zu findende Ansatz (siehe [LGMB1] und [LGMB2]) sieht drei Klassen von Konflikten vor, nämlich Ziel-, Plan-, und Wissenskonflikte. Im Folgenden wird ein kurzer Überblick über diese drei Konfliktarten gegeben (nach [LGMB2]):
• Zielkonflikte: Zielkonflikte treten dann auf, wenn zwei oder mehrere Ziele nicht zusammen erreicht werden können. Diese können dadurch entstehen, dass Bedingungen, die von den Zielen benötigt werden, im Konflikt miteinander stehen. Um Zielkonflikte aufzulösen, müssen die Ziele neu definiert werden (zum Beispiel indem Bedingungen (constraints) gelockert werden).
Zielkonflikte können zum Beispiel in der Modelleisenbahn auftreten, wenn zwei Züge versuchen den gleichen Bahnhof zur gleichen Zeit anzufahren, als Bedingung aber gilt, dass nur ein Zug im Bahnhof stehen darf. Dann müsste also der Fahrplan (also das Ziel) eines Zuges geändert oder die Bedingung, dass nur ein Zug im Bahnhof stehen darf, aufgelöst werden.
Zusammenfassung der Kapitel
1 Einleitung: Diese Einleitung beschreibt die Motivation zur Entwicklung einer zentralen Konfliktlösungskomponente für das bestehende digitale Modelleisenbahnsystem.
2 Der momentane Stand des Eisenbahnprojekts: In diesem Kapitel wird das als Multiagentensystem implementierte Eisenbahnprojekt samt seiner Agententypen und Kommunikationsstandards vorgestellt.
3 Planen und daraus entstehende Konflikte: Dieser Abschnitt erläutert die theoretischen Grundlagen des automatisierten Planens und klassifiziert die verschiedenen Arten von auftretenden Konflikten.
4 Implementierung der Konfliktlösung: Dieses Hauptkapitel beschreibt die Implementierung von "theBrain" sowie die genutzten Methoden zur Konsistenzprüfung und Konfliktlösung mittels Logikprogrammierung.
5 Beispiel einer Konfliktlösung: Hier wird anhand eines praktischen Beispiels der vollständige Prozess einer Konfliktlösung zwischen zwei Zügen inklusive notwendiger Systemaufrufe illustriert.
6 Zusammenfassung und Ausblick: Das abschließende Kapitel resümiert die Ergebnisse der Arbeit und diskutiert Grenzen sowie mögliche Erweiterungen für zukünftige Entwicklungen.
Schlüsselwörter
Multiagentensystem, Modelleisenbahn, Konfliktlösung, theBrain, KQML, Lparse, Smodels, Handlungsplanung, Ressourcenkonflikt, Konsistenzprüfung, automatische Steuerung, Situationsberechnung, Eisenbahnsteuerung, Modellierung, Logikprogrammierung
Häufig gestellte Fragen
Worum geht es in der Arbeit grundsätzlich?
Die Arbeit befasst sich mit der Entwicklung einer intelligenten Steuerungskomponente für ein digitales Modelleisenbahnsystem, um Konflikte zwischen Zügen automatisch aufzulösen, anstatt sie nur zu stoppen.
Was sind die zentralen Themenfelder?
Die Schwerpunkte liegen auf Multiagentensystemen, der Theorie des automatisierten Planens, verschiedenen Konfliktklassen (Ziel-, Plan-, Wissenskonflikte) sowie der praktischen Implementierung in C++.
Was ist das primäre Ziel der Arbeit?
Das Hauptziel ist die Implementierung eines Agenten ("theBrain"), der die aktuelle Situation analysiert, verschiedene Lösungsmöglichkeiten mittels Logikprogrammierung berechnet, bewertet und autonom ausführt.
Welche wissenschaftliche Methode wird verwendet?
Es werden Methoden aus der Künstlichen Intelligenz eingesetzt, insbesondere formale Planungsverfahren sowie "Answer Set Programming" unter Verwendung von Lparse und Smodels.
Was wird im Hauptteil der Arbeit behandelt?
Der Hauptteil widmet sich der Implementierung des Systems, dem Zusammentragen von Informationen, der Sicherstellung der Konsistenz mittels Racer-Tool oder alternativer Ansätze sowie dem algorithmischen Vorgehen bei der Konfliktlösung.
Welche Schlüsselwörter charakterisieren die Arbeit?
Zu den Kernbegriffen gehören Multiagentensysteme, Konfliktlösung, Logikprogrammierung, Konsistenzprüfung, theBrain und automatisierte Planung.
Warum ist das Problem der Konsistenzprüfung bei diesem System so zentral?
Da die Informationen über Züge ständig aktualisiert werden, muss "theBrain" zu jeder Zeit ein konsistentes Bild der Gesamtsituation haben, um korrekte und valide Konfliktlösungen berechnen zu können.
Wie werden die Lösungen bewertet, wenn mehrere Möglichkeiten existieren?
Das System nutzt ein Punktesystem, bei dem Lösungen bevorzugt werden, die die ursprüngliche Fahrtrichtung beibehalten und den kürzesten Weg zum Ziel ermöglichen.
- Citation du texte
- Stefan Meyer (Auteur), 2004, Planausführung und Konfliktverwaltung, Munich, GRIN Verlag, https://www.grin.com/document/185918
