پاورپوینت در مورد کنترل پیشبین مبتنی بر مدل در سیستم های وقایع گسسته -مدلهای جبری ماکس-پلاس-شبکه پتری- MPC on Discrete Event Systems-اسلاید 73
فهرست مطالب
•مقدمه ای بر سیستم های وقایع گسسته
•دلیل معرفی سیستم های وقایع گسسته
•مثالهایی از انواع سیستم های وقایع گسسته
•مدلسازی سیستم های وقایع گسسته
•معرفی انواع روشهای مدلسازی سیستم های وقایع گسسته
•مقایسه انواع روشهای مدلسازی
•ارائه مثالهایی از مدل های پرکاربرد در مدلسازی سیستم های وقایع گسسته صنعتی و بیولوژیکی
•کنترل پیشبین مبتنی بر مدل در سیستم های وقایع گسسته
•بیان تفاوت مفاهیم کنترلی در سیستم های وقایع گسسته
•شرح نحوه اعمال کنترل پیشبین برروی انواعی از مدلهای ارائه شده
•مقایسه الگوریتم یادگیری تقویت شده با کنترل پیشبین مبتنی بر مدل
•کاربرد الگوریتم یادگیری تقویت شده در سیستم های وقایع گسسته
مقدمه ای بر
سیستم های وقایع گسسته
مسائل مطرح در سیستمهای وقایع گسسته
وظایف متعددی وجود دارد که ممکن است لازم باشد بعضی از آنها حتما انجام شوند.
ممکن است لازم باشند بعضی وظایف با ترتیب خاصی انجام شوند.
ممکن است الزامی به اجرای بعضی از وظایف نباشد.
گاهی ممکن است بین اجرای دو وظیفه بالاجبار انتخابی انجام شود.
مجموعه ای از منابع وجود دارد که ممکن است بین عناصر موجود در سیستم های وقایع گسسته به اشتراک گذاشته شود.
فرایند رویداد ها که توصیف کننده یک سیستم وقایع گسسته است توسط یک برنامه کنترلی اداره و اجرا می شوند.
مدلهای جبری ماکس-پلاس
شبکه های پتری (Carl Adam Petri(1939))
اجزای تشکیل دهنده یک مدل پتری کلاسیک
مسائل مطرح در رویداد ها
مدل چراغ راهنما با شبکه های پتری زمانی
یک شبکه پتری کلاسیک را می توان با 5 مولفه بیان نمود:
به کار گیری شبکه های پتری در مدلسازی شبکه های بیولوژیکی
تعاریف کنترلی در سیستم های وقایع گسسته
مقایسه الگوریتم یادگیری تقویت شده با کنترل پیشبین مبتنی بر مدل
مقایسه الگوریتم یادگیری تقویت شده با کنترل پیش بین مبتنی بر مدل
...