https://virgool.ir/feed/@maryam.teimouri.bdfa2026-11-10 19:44:52https://files.virgool.ir/upload/users/189130/avatar/avatar.pnghttps://virgool.ir/@maryam.teimouri.bdhttps://virgool.ir/KN2CRoboticsTeam/ارتباطات-هوشمند-مورچهها-homqo4yswvsyبرای همه ما پیش آمده که مقداری غذا روی میز یا گوشه اتاق جا گذاشتیم و بعد مدتی تعداد زیاد مورچه دور غذا جمع شدند. گاهی اوقات این مورچه ها حتی بعد از برداشتن موادغذایی محل رو ترک نمی‌کنند و به جستجوی خودشان ادامه می‌دهند. اما دلیل این اتفاق چیست؟در یک کلونی مورچه‌ای هر مورچه بعد از پیدا کردن غذا در مسیر برگشت از محل تا کلونی را نشانه‌گذاری می‌کند. این نشانه‌گذاری بوسیله ماده‌ای به نام فرومون انجام می‌شود. مورچه‌ها این ماده را از خودشان ترشح می‌کنند تا به وسیله آن بقیه اعضای کلونی کوتاه‌ترین مسیر تا غذا را پیدا کنند.برای درک بهتر این مسئله یک مثال را با هم بررسی می‌کنیم. فرض کنید یک قبیله در صحرا وجود دارد که دونفر هر روز برای پیدا کردن آب از آن خارج می‌شوند. برای رسیدن به نزدیک‌ترین چاه ممکن ۲ مسیر وجود دارد. بدلیل نبود امکانات و تکنولوژی تا به حال کوتاه‌ترین مسیر کشف نشده است. دونفر از قبیله (یک خانم و یک آقا) داوطلب می‌شوند تا به کمک ۲ سطل آب اضافی این مسئله را حل کنند. به این صورت که هر نفر یک سطل آب اضافی از آب چاه برمی‌دارد و در راه برگشت زمین را با آن تر می کند. در هنگام تصمیم‌گیری برای انتخاب مسیر رسیدن به چاه همواره راهی که بیشتر تر شده باشد انتخاب می‌شود. در ابتدا هر دو مسیر خشک هستند پس به طور تصادفی خانم مسیر سمت راست و آقا مسیر سمت چپ را انتخاب می‌کند. فرض کنید که طول مسیر سمت راست نصف مسیر سمت چپ است. به این ترتیب وقتی خانم به چاه می‌رسد وضعیت کلی محیط به این شکل خواهد بود:در این حالت هیچ یک از این دونفر از وضعیت دیگری خبری ندارد. خانم به چاه آب رسیده در حالی که آقا هنوز در نیمه راه قرار دارد. پس مقدار آب مورد نیازش را برمی‌دارد و چون هر دو مسیر خشک هستند از مسیری که آمده‌بود برمی‌گردد تا آن‌ را بوسیله سطل آب اضافی تر کند. وقتی که خانم به قبیله بازگردد وضعیت محیط به این شکل خواهد بود:چون طول مسیر سمت راست دو برابر طول مسیر سمت چپ است وقتی که خانم در مسیر برگشت به قبیله می‌رسد آقا در ابتدای مسیر بازگشت قرار دارد. اما این بار هر دو مسیر به یک اندازه تر نیستند پس مسیری که تر شده است را انتخاب می‌کند و در راه بازگشت با سطل آب اضافی آن را تر می‌کند.به این ترتیب تنها با یک روز جستجو کوتاه‌ترین مسیر پیدا شد. حال اگر آقا از مسیری که آمده بود بازمی‌گشت چه اتفاقی می‌افتاد؟چون طول مسیر سمت چپ دو برابر طول مسیر سمت راست است در مدت زمان مشخص تعداد دفعاتی که مسیر سمت راست تر می‌شود دو برابر تعداد دفعاتی است که مسیر سمت چپ‌ تر می‌شود. بنابراین بعد از مدتی تفاوت زیادی بین میزان رطوبت این دو مسیر ایجاد می‌شود. بعلاوه فاصله زمانی میان دفعات تر شدن مسیر در مسیر سمت چپ طولانی‌تر است و تبخیر آب بیشتر خودش را نشان می‌دهد.این یک مثال بسیار ساده از الگوریتم کلونی مورچگان (ant colony) است. این الگوریتم کاربرد‌های بسیاری در علوم کامپیوتر و به طور تخصصی‌تر در زمینه سیستم‌های چندعامله دارد. از بستر‌هایی که این الگوریتم بر روی آن پیاده‌سازی شده است می‌توان محیط شبیه‌سازی دوبعدی فوتبال را نام برد. اگر دوست دارید درمورد این پلتفرم بیشتر بدانید این مقاله از ویرگول را از دست ندهید. شما می‌توانید این اطلاعات را در سایت rcss.ir نیز دریافت کنید.برای خواندن مقالات بیشتر در این زمینه انتشارات KN2C را در ویرگول دنبال کنید.منبع عکس‌ها: یوتیوبMaryam TeimouriMaryam TeimouriSun, 13 Sep 2020 13:58:23 +0430https://virgool.ir/KN2CRoboticsTeam/ایالات-متحده-ورونوی-he6eppkxrgbaبرای همه ما پیش می‌آید که برای انجام کاری به اداره پست مراجعه کنیم. حال اگر در اطراف شما چندین اداره پست وجود داشته باشد کدام یک را انتخاب می‌کنید؟در دنیای علوم کامپیوتر این دسته از مسائل به کمک الگوریتم‌های تقسیم صفحه حل می‌شوند. یکی از معروف‌ترین و پرکاربرد ترین این الگوریتم‌ها، الگوریتم ورونوی (voronoi) است.در این الگوریتم مجموعه از گره‌ها را روی صفحه‌ای در نظر می‌گیریم. سپس آن صفحه را به زیرصفحه‌های کوچکتری تقسیم می‌کنیم به طوری که هر زیر صفحه تنها یک گره دربر داشته باشد. فاصله‌ی هر نقطه‌ی تصادفی در زیرصفحه تا گره آن زیر صفحه از فاصله‌ی آن نقطه تا تمامی گره‌ها کمتر است.حال بیایید رو مسئله اداره پست این الگوریتم را پیاده کنیم.نقشه‌ی جغرافیایی محل زندگی و ادارات پستدر این عکس نقشه‌ی جغرافیایی با استفاده از الگوریتم ورونوی به تعدادی زیر صفحه تقسیم شده است. در این مثال ادارات پست همان گره‌های ما هستند. همانطور که مشاهده می‌کنید محل زندگی فرد در ناحیه‌ی زرد قرار گرفته‌است. پس نزدیک‌ترین اداره پست پیدا شد!حالا مثال دیگری را در نظر بگیرید. فرض کنید صاحب یک غذاخوری زنجیره‌ای تصمیم دارد شعبه‌ی جدیدی در شهر افتتاح کند. چطور محله‌ی مناسبی برای اینکار پیدا کند؟نقشه‌ی جغرافیایی شعب غذاخوری زنجیره‌ایبرای اینکار نیاز است تا محلی را پیدا کند که فاصله‌ی آن تا اولین شعبه غذاخوری بیشینه باشد. برای حل این مسئله دوباره به علوم کامپیوتر مراجعه می‌کنیم.الگوریتم مثلث بندی دلانی (Delaunay triangulation) یکی از الگوریتم‌هایی است که به کمک نمودار ورونوی قابل پیاده‌سازی است. پس در مرحله اول نمودار ورونوی را رسم می‌کنیم.رسم نمودار ورونویی روی نقشه جغرافیاییشعب غذاخوری نقش گره‌های الگوریتم را بازی می‌کنند و نمودار ورونوی توسط مرز شهری محدود شده است. در مرحله‌ی بعدی هر گره را به گره‌های همسایه‌اش که توسط ورونوی مشخص شده وصل می‌کنیم.رسم نمودار مثلث بندی دلانی روی نقشه جغرافیاییبه این ترتیب ما توانستیم مثلث بندی دلانی را روی مسئله پیاده‌سازی کنیم. اما هنوز جواب مسئله پیدا نشده است. برای پیدا کردن پاسخ نهایی نیاز داریم تا از خواص هندسی این الگوریتم استفاده کنیم. همانطور که می‌دانید سه راس هر مثلث بر روی یک دایره قرار می‌گیرند که به آن دایره محیطی گفته می‌شود. اگر دایره محیطی تمام مثلث‌ها را رسم کنیم می‌توانیم دایره‌ای را که شعاع آن بیشینه است پیدا کنیم. مقدار شعاع دایره برابر است با فاصله مرکز دایره تا نقطه‌ای روی محیط دایره (و همینطور شعب غذاخوری!).رسم دایره‌ محیطی مثلث های دلانیبنابراین مرکز دایره‌ای که شعاع بیشینه دارد بهترین مکان برای ساخت شعبه جدید است. چون بیشترین فصله را تا اولین شعبه‌ی غذاخوری زنجیره‌ای (شعاع دایره) دارد.محل ساخت شعبه جدیدبه همین ترتیب می‌توانیم الگوریتم‌های تقسیم صفحه را روی نقشه‌های جغرافیایی دیگر پیاده کنیم. اگر مرز بندی ایالات یا استان ها به جای اینکه بر اساس منافع سیاسی و دلایل تاریخی باشد بر اساس ورونوی انجام شود، دسترسی‌ها بسیار آسان‌تر خواهد بود. اما ممکن است تقسیم‌بندی تفاوت‌های زیادی را ایجاد کند. برای مثال این کار را روی نقشه‌ی ایالات متحده آمریکا انجام می‌دهیم:ایالات متحده ورونوی!در این نمودار مراکز ایالات به عنوان گره‌ها در نظر گرفته شده‌اند. با اعمال این تغییرات Manhatan در ایالت New Jersy قرار می‌گیرد زیرا به Trenton نزدیک‌تر است تا Albany. یا Chicago در ایالت Wisconsin قرار می‌گیرد زیرا به Madison نزدیکتر است تا Springfield. دو الگوریتم معرفی شده کاربرد‌های بسیاری دارند و در علوم رباتیک هم استفاده شده‌اند. از نمونه‌های پیاده‌سازی الگوریتم میتوان به بیس agent2d از لیگ شبیه‌سازی دوبعدی فوتبال اشاره کرد. اگر راجع به این لیگ چیزی نمی دانید می‌توانید در مورد آن در ویرگول یا سایت rcss.ir بخوانید.اگر این نوشته را دوست داشتید و علاقه‌مند هستید بیشتر درباره این موضوعات بخوانید انتشارات KN2C را دنبال کنید و به این صفحه هم سری بزنید.منبع عکس‌ها : یوتیوبMaryam TeimouriMaryam TeimouriSat, 22 Aug 2020 20:54:33 +0430https://virgool.ir/KN2CRoboticsTeam/آکتیو-در-مقابل-متلب-ob2vwz2pxkm8احتمالا هرکسی که رشته مهندسی خوانده در مواقعی نیاز پیدا کرده تا از نرم افزار متلب استفاده کند. متلب یک نرم افزار مهندسی برای انجام محاسبات عددی است که به دلیل توابع بسیار زیاد و کاربردی که دارد در میان مهندسین و هم‌چنین اساتید دانشگاه (!) بسیار محبوب است. متلب برای هوش مصنوعی (یادگیری ماشینی)، پردازش تصویر، پردازش سیگنال، مخابرات، حل دستگاه معادلات، حل معادلات دیفرانسیل جزئی (PDE)، کنترل و بسیاری از علوم دیگر کتاب‌خانه مخصوص خود را دارد. از سوی دیگر، نرم‌افزار متلب بخشی تحت عنوان Simulink دارد که کار مدل‌سازی و شبیه‌سازی سیستم‌های مختلف (در زمینه‌های مختلف، مانند کنترل، الکترونیک، هوافضا و...) را انجام می‌دهد. زبان این نرم افزار جزو زبان‌های برنامه نویسی سطح بالا محسوب می‌شود (ینی به زبان انسان نزدیک است) که پایه‌ی محاسبات آن بر اساس محاسبات جبری (ماتریس‌ها) است. اگر علاقه‌مند هستید درمورد متلب بیشتر بخوانید اینجا کلیک کنید.متلب در کنار همه‌ی این خوبی‌ها بدی‌هایی هم دارد. این نرم افزار ‌متن باز (open source) نیست و برای تهیه لایسنس آن باید مبلغ زیادی بپردازید. این در حالی است که نمی‌توان با یکبار پرداخت همه tool box های آن را تهیه کرد و برای هرکدام مبلغ جداگانه‌ای وجود دارد (البته این برای کشورهایی است که قانون کپی رایت در آن‌ها وجود دارد). شاید فک کنید چون سایت‌هایی وجود دارند که می‌توان نسخه‌ی کرک این نرم افزار را از آن‌ها دانلود کرد نیازی نیست که هزینه‌ای بپردازید اما سخت در اشتباهید! حجم نسخه ۲۰۱۹ این نرم افزار برابر با ۲۰گیگابایت است و این درحالی است که بعد از نصب مقدار زیادی از حافظه هارد سیستم را اشغال می‌کند. با وجود این مشکلات آیا می‌توان جایگزین مناسبی پیدا کرد؟یکی از نرم افزارهایی که می‌توان به عنوان جایگزین متلب از آن استفاده کرد آکتیو (octave) است. آکتیو برای تمامی سیستم عامل‌ها قابل دسترس بوده و متن باز است. یعنی برای استفاده از آن نیازی به لایسنس یا فایل کرک وجود ندارد. علاوه بر این آکتیو از دستورات و فایل های متلب پشتیبانی می‌کند و نیازی نیست که زبان و دستورات جدید یادبگیرید یا نیاز به تغییر پسوند فایل داشته باشید.حجم این نرم افزار بسته به نسخه‌ای که دانلود می‌کنید بین ۳۰۰ تا ۶۰۰ مگابایت متغیر است. به دلیل این حجم کم ممکن است تمامی پکیج‌های مورد نیاز در نسخه اولیه در دسترس نباشد اما با مراجعه به سایت آکتیو می‌توان پکیج مورد نیاز را دانلود کرده و با استفاده از command line آن را لود کرد.برای آکتیو رابط گرافیکی هم وجود دارد اما این نرم افزار از طریق command line قابل دسترسی و اجرا است و همین وجه تمایز بزرگی بین متلب و اکتیو است.امیدوارم از خواندن این متن لذت برده باشیددر کامنت‌ها منتظر نظرات شما هستمMaryam TeimouriMaryam TeimouriThu, 06 Aug 2020 23:00:08 +0430https://virgool.ir/KN2CRoboticsTeam/مسابقات-فوتبال-در-دنیای-دوبعدی-به-کمک-هوشمصنوعی-vpb341sb86v1مقایسه پنالتی در دنیای واقعی و دنیای دوبعدیاز زمان انقلاب صنعتی انسان‌ها همواره سعی کردند ماشین‌هایی بسازند که در دنیای واقعی زندگی رو برای ما آدم‌ها آسان‌تر کنند. این ماشین‌ها کم‌کم پیشرفت کردند و به ربات‌هایی تبدیل شدند که می‌توانستند به جای انسان فکر کنند. حالا با این همه توانایی، چرا به جای ما مسابقه ندند؟!این ایده برای اولین بار در سال ۱۹۹۲ توسط یکی از اساتید دانشگاه بریتیش کلمبیا مطرح شد و ۴ سال بعد به اجرا درآمد. افراد تصمیم گرفتند با برگزاری مسابقات سالانه در سطح بین‌المللی (RoboCup) به پیشرفت علوم هوش‌مصنوعی و رباتیک کمک کنند تا در سال ۲۰۵۰ تیم منتخبی از ربات‌ها بتونن تیم منتخب انسان‌ها را شکست دهند.تیم منتخب انسان‌ها vs تیم منتخب ربات‌هااما از آنجایی که این هدف خیلی بزرگ بود مجبور شدند آن را به تعدادی زیرشاخه تبدیل کنند و لیگ های چالش برانگیز و جذاب روبوکاپ ایجاد شدند.به ترتیب از راست به چپ :‌ ربات صنعتی، ربات فوتبالیست سایز کوچک و ربات امدادگرهدف سال ۲۰۵۰ نیازمند علوم متفاوتی هست که در بین آن‌ها علوم‌کامپیوتر و هوش‌مصنوعی به نسبت سرعت پیشرفت بالاتری دارند. بنابراین دانشمندان این حوزه تصمیم گرفتند یک لیگ تمام نرم‌افزاری همراه با تمام ویژگی‌های فوتبال واقعی ایجاد کنند تا افراد علاقه‌مند به این علوم درگیر محدودیت های مکانیکی و برقی-کنترلی نشوند. به این ترتیب لیگ شبیه‌سازی دوبعدی فوتبال متولد شد!!در این پلتفرم، دو تیم ۱۱ نفری به مدت ۱۰ دقیقه (در صورتی که کار به وقت اضافه و پنالتی نکشد!) در زمین فوتبال باهم رقابت می‌کنند. تیم ها همانند فوتبال واقعی یک مربی دارند که در ابتدای مسابقه،‌ سرور ۲۴ بازیکن یکسان در اختیار آن‌ها قرار می‌دهد. مربی بر اساس ویژگی بازیکن‌ها،‌ ۱۱ تای آن‌ها را انتخاب می‌کند و آن‌ها را در زمین بازی می‌چیند.مانیتور لیگ شبیه سازی دوبعدی فوتبالبازیکن‌ها با هم متفاوت هستند و هر یک ویژگی منحصر به فردی دارند؛ برای مثال برخی بازیکن ها سایز بزرگتری دارند. در نتیجه اگر توپ به آن‌ها نزدیک شود راحت‌تر تکل میزنند (ممکن است با این کار کارت زرد بگیرند!). یا برخی دیرتر خسته می‌شوند و در طول بازی می‌توانند تعداد حملات بیشتری را روی دروازه‌ی حریف ایجاد کنند.مانند انسان ها در دنیای واقعی، این بازیکن‌ها هریک به طور مستقل فکر می‌کنند و از طریق اشاره‌کردن و صحبت کردن می‌توانند اطلاعات رو باهم به اشتراک بگذارند. مربی هم می‌تواند در طول مسابقه با بازیکن‌ها صحبت کند و آن‌ها را راهنمایی کند (البته محدودیت کاراکتر برای صحبت کردن وجود دارد و باید مواظب باشند صداشون نگیرد!).مسابقات این لیگ مثل فوتبال واقعی غیرقابل پیش‌بینی است و هیچ دو بازی شبیه به هم نیستند. خطایی که در دید بازیکن‌ها وجود دارد و نویزی که از طرف محیط روی اعمال آن‌ها اعمال می‌شود باعث بوجود آمدن این ویژگی در مسابقات فوتبال دوبعدی است.در این شکل بازیکن شماره ۸ به هم تیمی خود، بازیکن شماره ۷، اطلاع می‌دهد که قرار هست توپ را به او پاس دهد. دایره های سبز دید بازیکن شماره ۸ از تیم را نشان می‌دهد که نسبت به واقعیت خطا دارد.مسابقات شبیه‌سازی دوبعدی فوتبال، هر ساله در رویدادهای بزرگ رباتیک کشور مانند مسابقات ایران‌اپن، شیرازاپن و نصیرکاپ برگزار می‌شود.در آخر اگر به این لیگ علاقه‌مند هستید معطل نکنید! سری به این سایت بزنید و یادگیری رو از همین الآن شروع کنید :) .Maryam TeimouriMaryam TeimouriSun, 17 May 2020 20:29:28 +0430