Válasszon nyelvet

   +(36) 88 624 021 |    dekanititkarsag@mik.uni-pannon.hu |    8200 Veszprém, Egyetem utca 10. I. épület

Válasszon nyelvet

A kutatólaboratórium vezetője

·       Hangos Katalin, DSc, egyetemi tanár

 

A kutatólaboratórium munkatársai 

·       Dulai Tibor, PhD, adjunktus

·       Gerzson Miklós, PhD, egyetemi docens

·       Magyar Attila, DSc, egyetemi tanár

·       Starkné Werner Ágnes, PhD, egyetemi docens

PhD hallgatóink

·       Nagy Zsuzsanna (témavezető: Starkné Werner Ágnes)

·       Wijaya Kurniawan (témavezetők: Márton Lőrinc és Hangos Katalin)

·       Brand Ádám (témavezetők: Magyar Attila és Szücs Veronika)

 

A kutatólaboratórium tevékenysége:

A kutatólaboratórium a rendszer- és irányításelmélet, valamint a mesterséges intelligencia interdiszciplináris kérdéseivel foglalkozik az alábbi fő kutatási témák művelésével.

1.     Hálózattal összekötött nemlineáris pozitív rendszerek modellezése, analízise, elosztott szabályozórendszereinek tervezése és diagnosztikája.
Elsősorban biológiailag, kémiailag és ökológiailag motivált nemlineáris pozitív rendszerekkel, kinetikus és általánosított Lotka-Volterra modellekkel leírható rendszerosztályokkal foglalkoznak. A statikus összeköttetésekkel rendelkező komplex, köröket és hurkokat is tartalmazó hálózati topológia mellett dinamikus, elosztott időkésleltetéssel rendelkező hálózatokat is vizsgálnak. A szabályozók tervezésére passzivitás alapú módszereket, diagnosztikára pedig modell alapú, megfigyelő (observer) tervezésre alapozó módszereket használnak. 

2.     Logisztikai, ipari, illetve egészségügyi folyamatok ütemezése mesterséges intelligencia alapú módszerekkel. 
Nagyméretű és/vagy komplex problémák ütemezése egzakt megoldóval időigényes, sok esetben lehetetlen. Ezzel szemben megfelelő heurisztikus módszerek rövid futási idővel képesek elfogadható, közel-optimális (sok esetben akár optimális) megoldásokat eredményezni. Metaheurisztikus algoritmusokat és probléma specifikus heurisztikákat dolgoznak ki logisztikai, ipari, illetve egészségügyi folyamatok ütemezésére. 

3.     Üzleti és ipari folyamatok nyomon követése és javítása folyamatbányászati és mesterséges intelligencia algoritmusok alkalmazásával témában két kiemelt területtel foglalkoznak: (1) A megfelelőség-ellenőrzés a folyamatbányászat egyik fő típusa, amely szembesíti a modellezett viselkedéseket egy folyamat megfigyelt viselkedésével, hogy észlelje, megkeresse és megmagyarázza a köztük lévő eltéréseket. (2) Statikus (CARP) és dinamikus (DCARP) kapacitált ív útvonal tervezési problémák megoldása, amelyek NP-nehéz kombinatorikus optimalizálási feladatok. A CARP megköveteli a legolcsóbb útvonaltervek meghatározását az úthálózat grafikonján olyan járművek számára, amelyek bizonyos megkötéseknek vannak kitéve. A Dynamic CARP (DCARP) a CARP egy olyan változata, amely figyelembe veszi a probléma dinamikus változásait (például új feladat megjelenését). 

4.     Intelligens irányítási technikák mérnöki alkalmazásai területén két újonnan induló témával foglalkoznak. (1) Okos világítástechnikai rendszerek dinamikus analízise, irányítása és diagnosztikája, amelynek keretében a világítástechnikai rendszer leírására fuzzy szabályalapú modelleket használnak, amely jól alkalmazható a bizonytalanságok leírására. (2) Sztochasztikus Petri háló modellek közlekedési alkalmazások dinamikus analízisére. 

Kutatási eredmények:

Az elmúlt időszakban a kutatólaboratórium tagjai az alábbi fontosabb eredményeket érték el. 

a)      Módszert adtak elosztott időkésleltetésű reakció hálózatok fizikai motivációjú modellezésére és megmutatták, hogy a komplex kiegyenlített (complex balanced) reakció-hálózatok tetszőleges elosztott időkésleltetés mellett stabilak maradnak [1]. 

b)      Konvex optimalizáción alapuló módszert adtak időkésleltetéses polinomiális rendszerek stabilizáló szabályozóinak tervezésére kinetikus realizációk segítségével [2]. 

c)      Passzivitáson alapuló módszert adtak időkésleltetéses hálózatos kinetikus rendszerek elosztott szabályozó-rendszereinek tervezésére [3]. 

d)      A mesterséges intelligencia módszerekkel történő ütemezés tervezési eredményeket eddig speciálisan szállítási, termelési és járóbeteg-ellátási folyamatok optimalizálására alkalmazták [4], [5].

e)      Kifejlesztettek egy többperspektívás online megfelelőség-ellenőrzési technikát, amelynek célja, hogy a modellezett viselkedéseket adat Petri-háló folyamatmodell formájában szembesítsék a megfigyelt viselkedések eseményfolyamával. A megfelelőség-ellenőrzés kiszámításához két technikát alkalmaztak: egy előtag-illesztés alapú technikát, amely heurisztikus keresés alkalmazásával képes kiszámítani a nem teljes folyamat végrehajtások megfelelőségi statisztikáját, és egy igazításon alapuló többperspektívás megfelelőség-ellenőrző technikát, amely képes teljes folyamatpéldányok megfelelőségi mértékét kiszámítani, miközben többféle nézőpontra fókuszál [6]. 

f)      Kifejlesztettek egy mesterséges méhkolónia algoritmust (Artificial Bee Colony Algorithm) a CARP feladat számára, valamint egy új mozgatási operátort is meghatároztak, amelyet az algoritmus alkalmaz. A megoldást mind CARP, mind DCARP feladatokra kipróbálták, tesztelték [7]. 

 

Kiemelt publikációk:

1.     Lipták, Gy.; Pituk, M ; Hangos, K M: Modelling and stability analysis of complex balanced kinetic systems with distributed time delays, JOURNAL OF PROCESS CONTROL 84 pp. 13-23. , 11 p. (2019)

2.     Lipták, Gy. ; Hangos, K M ; Szederkényi, G: Stabilizing feedback design for time delayed polynomial systems using kinetic realizations, EUROPEAN JOURNAL OF CONTROL 57 pp. 153-171. , 9 p. (2021)

3.     Márton, L., Szederkényi G, Hangos KM: Modelling and control of networked kinetic systems with delayed interconnections, JOUNAL OF PROCESS CONTROL, 130 paper: 103084 (2023)

4.     Auer, P; Dósa, Gy; Dulai, T; Fügenschuh, A; Näser, P; Ortner, R; Werner-Stark, Á: A new heuristic and an exact approach for a production planning problem. Central European Journal of Operations Research, pp. 1-35. (2020)

5.     Süle, Z; Baumgartner, J; Leitold, D; Dulai, T; Orosz, Á; Vathy-Fogarassy, Á: Software Framework and Graph-based Methodology for Optimal Patient Appointment Planning. Procedia Computer Science, pp. 1169-1176. (2023)

6.     Nagy, Zs.; Werner-Stark, Á: An Alignment-based Multi-Perspective Online Conformance Checking Technique, ACTA POLYTECHNICA HUNGARICA 19 : 4 pp. 105-127, 23 p. (2022)

7.     Nagy, Zs.; Werner-Stark, Á.; Dulai, T.: An Artificial Bee Colony Algorithm for Static and Dynamic Capacitated Arc Routing Problems, MATHEMATICS 10 : 13 Paper: 2205, 38 p. (2022)

A kutatólaboratórium vezetőjének bemutatása:

Hangos Katalin okleveles vegyész (ELTE TTK, 1976), okleveles programozó matematikus (ELTE TTK, 1980), az MTA doktora (1993), habilitált doktor (kémia tudomány, 1994, műszaki informatika, 2000). Jelenleg egyetemi tanár a Pannon Egyetemen, valamint tudományos tanácsadó a HUN-REN Számítástechnikai és Automatizálási Kutató Intézet Rendszer- és Irányításelméleti Laboratóriumában. Hangos Katalin professzor asszony az Intelligens Irányító Rendszerek Kutatólaboratórium vezetője, aki erős rendszer és irányításelméleti, valamint számítástudományi képzettségével egyike a folyamatirányítási tudomány kevés női professzorainak. Fő érdeklődési területe a folyamatrendszerek irányítási és diagnosztikai célokra végzett dinamikus modellezése. Több mint 100, a folyamatrendszerek modellezésének és irányításának különböző aspektusaival foglalkozó cikk, kb. 200 konferencia közlemény és 4 könyv társszerzője, amelyekben nemlineáris, sztochasztikus, Petri-háló alakú, kvalitatív és gráfelméleti folyamatmodellek egyaránt előfordulnak. Az IFAC Technical Committee on Chemical Process Control magyar képviselője, valamint tagja az IFAC Magyar Nemzeti Bizottságának. Tagja az MTA Informatikai Tudományos Bizottságának, valamint az MTA Doktori Tanácsának.