Resum
L’àrea de la Intel·ligència Artificial està experimentant un gran avanç als
darrers anys amb la seua aplicació a un gran nombre de camps diferents.
Un d’aquests camps és el dels problemes de temps real. Problemes on no
solament és important la lògica del càlcul de les solucions, sinó també
l’instant temporal on les solucions són calculades.
Aquest acostament entre les dues àrees és en principi profitós, ja que la
Intel·ligència Artificial pot aportar noves possibilitats als sistemes de
temps real, com per eixemple una major flexibilitat d’adaptació a entorns
complexos i dinàmics. No obstant això, aquesta aproximació ha presentat
des de sempre importants dificultats.
Principalment, els sistemes de temps real tenen uns requeriments temporals
(predecibilitat dels temps de resposta principalment) que no acostumen a
ser habituals en les tècniques d’Intel·ligència Artificial.
Entre altres formes d’abordar aquest problema, està el desenvolupament
d’arquitectures software per al disseny d’agents intel·ligents pel seu ús en
entorns de temps real. Aquestes arquitectures tenen diferents mecanismes
per a que els agents construïts treballen en entorns de temps real oferint
comportaments reactius (per a complir els requeriments temporals) i
deliberatius (que fan ús de tècniques d’Intel·ligència Artificial per a
aconseguir millors prestacions).
Una d’aquestes arquitectures es ARTIS. Aquesta arquitectura fa ús d’una
planificació de les seves tasques a dos nivells per a aconseguir complir els
seus objectius. Per una banda, el planificador de primer nivell garanteix
l’obtenció de respostes dins de límits temporals estrictes. Un planificador
de segon nivell s’encarrega del control de components que milloren la viabilitat.
qualitat dels resultats.
El treball presentat es centra en aquest segon planificador, desenvolupant dues
tècniques SSS (slack-slide scheduling, scheduling per desplaçament del
slack) i SSSM (SSS amb Memòria) que utilitzant de forma més precisa les
característiques de l’arquitectura i dels components a planificar obté
millors qualitats en les respostes obtingudes que altres heurístiques
aplicables.
Aquestes heurístiques són capaces de manejar els diferents tipus d’algoritmes
que emplea l’arquitectura (de raonament progressiu i de mètodes
múltiples) i una d’elles, la SSSM, utilitza els recursos de l’arquitectura per
a aprofitar resultats previs, millorant l’eficiència obtinguda.
Finalment, es presenten proves estadístiques per a verificar les característiques
de les heurístiques així com dues aplicacions reals per a mostrar la seua