diff --git a/ea/project/EAProjektMutschlerHohloch.html b/ea/project/EAProjektMutschlerHohloch.html new file mode 100644 index 0000000..c79fefc --- /dev/null +++ b/ea/project/EAProjektMutschlerHohloch.html @@ -0,0 +1,67 @@ + + + + + + + +

EA Projekt

+

Problemstellung

+ +

Warum EAs?

+ +

Lösungsrepräsentation

+ +

Fitnessfunktion

+ +

Schwierigkeit

+ +

Techniken

+ +

Opetaroren

+

Mutation

+ +

Crossover

+ +
+ +
+ + diff --git a/ea/project/overview.html b/ea/project/overview.html deleted file mode 100644 index d5ae8cc..0000000 --- a/ea/project/overview.html +++ /dev/null @@ -1,1070 +0,0 @@ -overview

EA Projekt

-

Problemstellung

- -

Warum EAs?

- -

Lösungsrepräsentation

- -

Fitnessfunktion

- -

Schwierigkeit

- -

Techniken

- -

Opetaroren

-

Mutation

- -

Crossover

-
\ No newline at end of file diff --git a/ea/project/overview.md b/ea/project/overview.md index 59727f1..5109038 100644 --- a/ea/project/overview.md +++ b/ea/project/overview.md @@ -1,43 +1,84 @@ -# EA Projekt -## Problemstellung -- Volleyball: Erziehle ein Ass (Punkt durch Angabe ohne Gegnerberührung) +EA Projekt +========== -## Warum EAs? -- Fitnessfunktion durch Stellung der Gegner -- Optimieren anhand dieser Funktion -- Fitnessfunktion mit mehreren Maxima und Minima -- eine Population kann mehre gute Lösungen repräsentieren; ein Gradientenverfahren, würde sich eines aussuchen +Problemstellung +--------------- -## Lösungsrepräsentation -- Ziel (x,y), wo stehen wenige Spieler -- Kraft + Spin f, schränkt Zielgenauigkeit ein - - auf geplante Position wird entsprechend noise addiert - - erschwert gleichzeitig jedoch das Abfangen - - -> mehr "Glück" -- jeweils reelle Zahlen -- 0 <= x <= 9 -- 0 <= y <= 9 -- 0 < f <= 10 +- Volleyball: Erziehle ein Ass (Punkt durch Angabe ohne Gegnerberührung) -## Fitnessfunktion -- Verteilung der Spieler auf dem Feld -- jeder Spieler fängt Bälle in seiner Umgebung normalverteilt ab -- Fitnessfunktion ist also die Summe der Gauß-Glocken der Spieler -- Idee: unterschiedlich starke Spieler für unterschideliche Minima (Bezug zur Realität) +Warum EAs? +---------- + +- Fitnessfunktion durch Stellung der Gegner + +- Optimieren anhand dieser Funktion + +- Fitnessfunktion mit mehreren Maxima und Minima + +- eine Population kann mehre gute Lösungen repräsentieren; ein + Gradientenverfahren, würde sich eines aussuchen + +Lösungsrepräsentation +--------------------- + +- Ziel (x,y), wo stehen wenige Spieler + +- Kraft + Spin f, schränkt Zielgenauigkeit ein + + - auf geplante Position wird entsprechend noise addiert + + - erschwert gleichzeitig jedoch das Abfangen + + - \-\> mehr "Glück" + +- jeweils reelle Zahlen + +- 0 \<= x \<= 9 + +- 0 \<= y \<= 9 + +- 0 \< f \<= 10 + +Fitnessfunktion +--------------- + +- Verteilung der Spieler auf dem Feld + +- jeder Spieler fängt Bälle in seiner Umgebung normalverteilt ab + +- Fitnessfunktion ist also die Summe der Gauß-Glocken der Spieler + +- Idee: unterschiedlich starke Spieler für unterschideliche Minima (Bezug zur + Realität) + +- Idee: eine eigene Verteilung entwickeln, welche die Wahrscheinlichkeit einen + Ball zu erreichen besser abbildet. ### Schwierigkeit -- mehrere Minima, in die optimiert werden könnte -- noise durch Kraft + Spin des Aufschlags lässt -## Techniken -- Evolutionsstrategien, zur Optimierung der drei reellen Zahlen der Lösung -- GA möglich, jedoch nicht so passend, da diese die reellwertigkeit nicht gut abbliden +- mehrere Minima, in die optimiert werden könnte -## Opetaroren +- noise durch Kraft + Spin des Aufschlags lässt + +Techniken +--------- + +- Evolutionsstrategien, zur Optimierung der drei reellen Zahlen der Lösung + +- GA möglich, jedoch nicht so passend, da diese die reellwertigkeit nicht gut + abbliden + +Opetaroren +---------- + ### Mutation -- Bei ES ist hat die Mutation den wesentlichen Anteil am Fortschritt -- Wir mutieren alle drei Parameter nach den Vorgaben der ES + +- Bei ES ist hat die Mutation den wesentlichen Anteil am Fortschritt + +- Wir mutieren alle drei Parameter nach den Vorgaben der ES ### Crossover -- sinnvoll für gute Position und gute Kraft -- problematisch bei gutem x- und gutem y-Wert + +- sinnvoll für gute Position und gute Kraft + +- problematisch bei gutem x- und gutem y-Wert diff --git a/mr/ub9/loc_framework/localize_pf.m b/mr/ub9/loc_framework/localize_pf.m index 8e8ce21..cd2fcab 100644 --- a/mr/ub9/loc_framework/localize_pf.m +++ b/mr/ub9/loc_framework/localize_pf.m @@ -1,12 +1,12 @@ sume=zeros(3,1); -runs = 1; -for i=10:runs +runs = 10; +for i=1:runs % ### Run some initialization initialization steps common to all filters localize_init; % ### Important parameters: nSamples = 20; - ESSmin = 0.1*nSamples; + ESSmin = 0.7*nSamples; % ### Evaluate PF without measurements: % Estimates are based on control input alone. @@ -76,11 +76,11 @@ sume= sume+final_err; end mae= sume/runs -merr_pos = norm(final_err(1:2)) -merr_yaw = abs(final_err(3)) +merr_pos = norm(mae(1:2)) +merr_yaw = abs(mae(3)) %_________________________________ %Ergebnisse 2 e -%1) ESSmin = 0.7*20; errpos: 0.7532 err_yaw= 0.0112 +%1) ESSmin = 0.7*20; errpos: 0.2921 err_yaw= 0.0044 %2) ESSmin = 0.4*20; errpos: 0.6017 erryaw=0.0120 %3)ESSmin = always > ess; errpos: 0.1254 erryaw=0.0654 %4)ESSmin = 0.1*10= errpos= 0.4363 err_yae 0.0393