УПРАВЛЕНИЕ РОЕМ РОБОТОВ ПРИ ИССЛЕДОВАНИИ НЕКОТОРОЙ ТЕРРИТОРИИ МЕТОДОМ СИЛОВОЙ РЕЛАКСАЦИИ

  • Г.Е. Веселов Южный Федеральный Университет
  • Б.K. Лебедев Южный Федеральный Университет
  • О. Б. Лебедев Южный Федеральный Университет
Ключевые слова: Рой роботов, рой частиц, интеллектуальные агенты, пространство поиска, поведение группы роботов, киберорганизм

Аннотация

Работа посвящена разработке алгоритмов поведения группы роботов, базирующихся на использовании биоинспирированных подходов, основанных на использовании аналогий поведения живых существ, в частности метода роя частиц. Целью работы роя роботов является исследование некоторой территории с целью обнаружения участка с экстре-мальным значением заданного вещества. Основополагающей идеей роевого управления яв-ляется «роевой интеллект». В основу управления гомогенным роем роботов положен прин-цип силовой релаксации. Поиск решения производится в аффинном пространстве, элемен-тами которого являются n-мерные точки (позиции). Обозначим R  {ri |i=1,2,..s } рассмат-риваемый рой роботов, где s – число роботов в рое; Xi(t)(xi (t), yi(t)) – текущее положение робота ri. Пусть начальные положения роботов роя определяет набор векторов Xi(0), i[1:s]. Каждый робот ri вычисляет целевую функцию f(Xi(t)) – значение искомого вещест-ва в точке Xi(t). На каждой итерации выполняются следующие действия. Введем обозначе-ния W(t) – множество координат ячеек (точек) над которыми расположены роботы в момент t. Определяется точка X*i(t)W(t) с лучшим значением функции f(Xi(t)), которая рассматривается в качестве аттрактора. В соответствии с алгоритмом силовой релак-сации положение робота ri в следующий момент времени t1 определяется по формуле: Xi t1)Xi(t) Vi(t). Принципы перемещения робота производится по аналогии с методом роя частиц. В отличие от канонического метода роя частиц в работе предусматривается использование вещественных значений параметров в многомерных, вещественных, метри-ческих пространствах. Также, в отличие от канонического метода роя частиц, в нашем случае скорость Vi(t) и координаты точки Xi(t1) не могут быть представлены в виде ана-литического выражения с вещественными значениями переменных. Если в качестве пози-ции используется двумерный вектор Vi(t) в декартовой системе координат 0xy, то число параметров, определяющих положение частицы в пространстве решений (позицию) долж-но быть равно двум. Значение каждой координаты откладывается на соответствующей оси пространства решений. В этом случае возникают некоторые требования к значениям координат. Значения координат должны быть дискретными и независимыми друг от дру-га. В качестве аналога скорости Vi(t) выступает оператор направленной мутации (ОНМ), суть которого заключается в изменения целочисленных значений координат. Перемещение робота ri в новую позицию означает переход от Vi(t) к новой – Vi(t+1) c новыми целочислен-ными значениями генов координат, полученными после применения оператора направлен-ной мутации. Вектор перемещения Vi(t), которое робот ri совершает при переходе из те-кущего положения Xi(t) в положение Xi(t1) имеет вид: Vi(t)= VIi(t-1)+VCi(t-1)+VSi(t-1). Вре-менная сложность алгоритма лежит в пределах О(n2)-О(n3), где n –число роботов.

Литература

1. Karpenko A.P. Robototekhnika i sistemy avtomatizirovannogo proektirovaniya: ucheb. posobie [Robotics and computer-aided design systems: textbook]. Moscow: MGTU im. N.E. Baumana, 2014, 71 p.
2. Kollektivy intellektual'nykh robotov. Sfery primeneniya [Teams of intelligent robots. Scopes of application], ed. by V.I. Syryamkina, (Seriya: «Intellektual'nye tekhnicheskie sistemy» (podseriya: «Kognitivnaya robototekhnika»)) [Series: “Intelligent Technical Systems” (sub-series: “Cognitive Robotics”))]. Tomsk: STT, 2018, 140 p.
3. Bondarchuk A.S., Borovik V.S., Gutsul V.I. i dr. Intellektual'nye robototekhnicheskie sistemy: ucheb. posobie [Intelligent Robotic Systems: textbook], pod red. V.I. Syryamkina, (Seriya: «Intellektual'nye tekhnicheskie sistemy») [Series: "Intelligent Technical Systems"]. Tomsk, 2017, 256 p.
4. Kalyaev I.A., Gayduk A.R., Kapustyan S.G. Modeli i algoritmy kollektivnogo upravleniya v gruppakh robotov [Models and algorithms of collective control in groups of robots]. Moscow: Fizmatlit, 2009, 280 p.
5. Karpov V.E. Kollektivnoe povedenie robotov. Zhelaemoe i deystvitel'noe [The collective be-havior of robots. Desired and Actual], Sovremennaya mekhatronika: Sb. nauchn. trudov Vserossiyskoy nauchnoy shkoly [Modern Mechatronics. Sat scientific Proceedings of the All-Russian Scientific School], 2011, 132 p.
6. Ivanov D.Ya. Metody roevogo intellekta dlya upravleniya gruppami malorazmernykh bes-pilotnykh letatel'nykh apparatov [Swarm intelligence methods for controlling groups of small unmanned aerial vehicles], Izvestiya YuFU. Tekhnicheskie nauki [Izvestiya SFedU. Engineer-ing Sciences], 2011, No. 3 (116), pp. 221-229.
7. Kalyaev I.A., Gayduk A.R. Staynye printsipy upravleniya v gruppe ob"ektov [Flocking man-agement principles in a group of objects], Mekhatronika, avtomatizatsiya, upravlenie [Mecha-tronics, Automation, Management], 2004, No. 12, pp. 27-38.
8. Karpenko A.P. Sovremennye algoritmy poiskovoy optimizatsii. Algoritmy, vdokhnovlennye prirodoy: ucheb. posobie [Modern search engine optimization algorithms. Algorithms inspired by nature: a training manual]. Moscow: Izd-vo MGTU im. N.E. Baumana, 2014, 446 p.
9. Lebedev B.K., Lebedev O.B., Lebedeva E.O. Roevoy algoritm planirovaniya raboty mnogoprotsessornykh vychislitel'nykh sistem [Swarm algorithm for planning the operation of multiprocessor computing systems], Inzhenernyy vestnik Dona [Engineering Bulletin of the Don], 2017, No. 3.
10. Lebedev B.K., Lebedev O.B., Lebedeva E.M. Raspredelenie resursov na osnove gibridnykh modeley roevogo intellekta [Resource allocation based on hybrid swarm intelligence models], Nauchno-tekhnicheskiy vestnik informatsionnykh tekhnologiy, mekhaniki i optiki [Scientific and Technical Journal of Information Technologies, Mechanics and Optics], 2017, Vol. 17, No. 6, pp. 1063-1073.
11. Clerc M. Particle Swarm Optimization. ISTE, London, UK, 2006, 187 р.
12. Kennedy J., Eberhart R.C. Particle swarm optimization, In Proceedings of IEEE International Conference on Neural Networks, 1995, pp. 1942-1948.
13. Cong J., Romesis M. and Xie M. Optimality, Scalability and Stability Study of Partitioning and Placement Algorithms, Proc. of the International Symposium on Physical Design, Monterey, CA, April 2003, pp. 88-94.
14. Lebedev B.K., Lebedev O.B. Gibridnyy bioinspirirovannyy algoritm na osnove integratsii metoda vetvey i granits i metoda murav'inoy kolonii [Hybrid bioinspired algorithm based on the integration of the branch and bound method and the ant colony method], Vestnik Rostovskogo gosudarstvennogo universiteta putey soobshcheniya [Bulletin of the Rostov State Transport Univer-sity], 2018, No. 2 (70), pp. 77-88. Available at: https://elibrary.ru/item.asp?id=35154092.
15. Vorob'eva E.Yu., Karpenko A.P., Seliverstov E.Yu. Ko-gibridizatsiya algoritmov roya chastits [Co-hybridization of particle swarm algorithms], Nauka i obrazovanie. MGTU im. N.E. Baumana [Science and Education. MGTU them. N.E. Bauman], 2012, No. 4. Available at: https://elibrary.ru/item.asp?id=18126595.
16. Agasiev T.A., Karpenko A.P. Sovremennye tekhniki global'noy optimizatsii [Modern technol-ogy of global optimization], Informatsionnye tekhnologii [Information technologies], 2018, No. 6, pp. 370-386. Available at: https://elibrary.ru/item.asp?id=35154610.
17. Wang X. Hybrid nature-inspired computation method for optimization: Doctoral Dissertation. Helsinki University of Technology, TKK Dissertations, Espoo 2009, 161 p.
18. Blum C., Roli A. Metaheuristics in combinatorial optimization: overview and conceptual com-parison, ACM computing surveys, 2003, No. 35, pp. 268-308.
19. Lebedev V.B. Postroenie kratchayshikh svyazyvayushchikh setey na osnove roevogo intellekta [Construction of the shortest connecting networks on the basis of swarm intelligence], Izvestiya YuFU. Tekhnicheskie nauki [Izvestiya SFedU. Engineering Sciences], 2011, No. 7 (120), pp. 37-44.
20. Sha D.Y. and Cheng-Yu. A hybrid particle swarm optimization for job shop scheduling prob-lem, Computers & Industrial Engineering, 2006, pp. 791-808.
21. OR-Library is collection of test data for a variety of OR problem. Available at: http://mscmga.ms.ic.ac.uk.
Опубликован
2020-01-23
Выпуск
Раздел
РАЗДЕЛ III. АВТОМАТИЗАЦИЯ И УПРАВЛЕНИЕ