Найти

Результаты поиска

• РАЗРАБОТКА И ИССЛЕДОВАНИЕ МЕТОДА РЕШЕНИЯ ЗАДАЧИ ЦЕЛЕРАСПРЕДЕЛЕНИЯ В МНОГОАГЕНТНОЙ СИСТЕМЕ

  В.А. Костюков , Ф.А. Хуссейн

  144-155

  2025-10-01

  Аннотация ▼

  Рассматривается задача целераспределения в рамках многоагентной системы, где каждый агент представляется автономным роботом, а каждая задача соответствует позиции в двухмерной среде, которую должен посетить один из агентов. Эта задача по своей сути схожа с многоагентной версией классической задачи коммивояжёра, где вместо одного участника задействуется несколько агентов. Каждый из них должен пройти уникальный маршрут, охватывающий определённое множество городов. В связи с этим проводится исследование многоагентной задачи коммивояжёра как одного из форматов постановки задачи целерапределения. Эта задача имеет большое значение в области маршрутизации и оптимального распределения задач. Её решение включает две тесно связанные подзадачи: определение набора точек, закрепляемых за каждым агентом, и построение оптимального маршрута их посещения. В научной литературе представлены три основных подхода к решению этой задачи: подход одновременной оптимизации, при котором обе подзадачи решаются совместно; подход Cluster-First, Route-Second, где сначала распределяются города между агентами, а затем определяется порядок посещения городов каждого агента; подход Route-First, Cluster-Second, предполагающий изначальную оптимизацию порядка посещения всех городов с последующим его делением между агентами без изменения порядка посещения. В данной работе предлагается гибридный метод, сочетающий элементы подходов Cluster-First, Route-Second и Route-First, Cluster-Second. Цель – объединить сильные стороны обеих подходов и избавится от их недостатков. Для проверки эффективности разработанного метода проведено сравнительное исследование с методами, реализующие подходов Cluster-First, Route-Second и Route-First, Cluster-Second. Оценка проводилась по трём основным метрикам: время, затраченное на построение решения, суммарная длина всех маршрутов, а также максимальная длина маршрута среди всех агентов. Результаты экспериментов показали, что применение предложенного метода позволяет сократить максимальную длину маршрута (тем самым снизив дисбаланс нагрузки между агентами) в среднем на 26%.

• ГИБРИДНЫЙ МЕТОД РЕШЕНИЯ МНОГОАГЕНТНОЙ ЗАДАЧИ КОММИВОЯЖЁРА

  В.А. Костюков , Ф.А. Хуссейн

  2025-04-27

  Аннотация ▼

  Рассматривается проблема распределения задач в многоагентной системе, где каждый
  агент представляет собой робота, а каждая задача представляется позицией, которая должна
  быть посещена одним агентом. Эта задача очень похожа на многоагентную задачу коммивояжё-
  ра, которая в отличие от знаменитой задачи коммивояжера, задействует несколько коммивоя-
  жёров, которые посещают заданное количество городов ровно один раз и возвращаются в исход-
  ное положение с минимальными затратами на поездку. Поэтому проводится анализ многоагент-
  ной задачи коммивояжёра как представителя задачи целераспределения. Многоагентная задача
  коммивояжера является важной для области оптимизации маршрутов и распределения задач
  между несколькими агентами. Она включает в себе две различные, однако, взаимосвязанные под задачи: распределение городов между агентами и определение порядка посещения городов каж-
  дым агентом. В литературе существуют три концепции решения этой проблемы относительно
  решения ее двух составляющих подзадач: оптимизационная концепция, где обе подзадачи реша-
  ются одновременно; концепция Cluster-First, Route-Second – где сначала решается вопрос о назна-
  чении задач каждому коммивояжеру, а потом - вопрос о порядке посещений пунктов назначений
  для каждого коммивояжёра; концепция Route-First, Cluster-Second – где сначала решается вопрос
  о порядке посещения пунктов назначения, а затем происходит разделение этого цикла между
  агентами без изменения порядка посещений. В этой работы предлагается гибридный подход к
  решению многоагентной задачи коммивояжера, который объединяет идеи двух известных кон-
  цепций: Cluster-First, Route- econd и Route-First, Cluster- econd чтобы получить их позитивные
  аспекты и избавиться от их негативных сторон. Для оценки эффективности разработанного
  метода было проведено сравнительное исследование. Оценка результатов осуществлялась на
  основе трех ключевых критериев: вычислительного времени получения решения многоагентной
  задачи коммивояжера, суммарной длины пройденных маршрутов коммивояжерами и максималь-
  ной длины маршрута среди них. Анализ экспериментальных данных показал, что при использова-
  нии предложенного метода максимальная длина пути среди пройдённых агентами маршрутов
  (дисбаланс нагрузки) уменьшается в среднем на 26%.

• ФОРМАЛИЗОВАННЫЙ ПОДХОД К СИНТЕЗУ АРХИТЕКТУРЫ СИСТЕМЫ АДАПТИВНОГО ГРУППОВОГО УПРАВЛЕНИЯ РОБОТОТЕХНИЧЕСКИМИ КОМПЛЕКСАМИ В УСЛОВИЯХ НЕДЕТЕРМИНИРОВАННОЙ ДИНАМИЧЕСКОЙ СРЕДЫ

  В. В. Свиридов

  2022-05-26

  Аннотация ▼

  Бурное развитие «многоагентных систем», как самостоятельного и многопланового
  раздела искусственного интеллекта, привлекает к себе многих исследователей в различных
  сферах деятельности. Темпы прогресса в развитии информационных технологий, распре-
  делённых информационных систем, компьютерной техники определяют возможности
  применения технологий робототехники в Вооружённых силах Российской Федерации.
  Представленные в статье факторы санкционируют необходимость внедрения в войска
  новых интеллектуальных технологий – автономных робототехнических комплексов (сис-
  тем). Развитие методов искусственного интеллекта позволяет сделать новый шаг к из-
  менению стиля взаимодействия комплексов между собой в составе робототехнической
  системы. Возникла идея создания так называемых "автономных комплексов", которые
  породили уже новый стиль адаптивного группового управления. Вместо взаимодействия,
  инициируемого пользователем-оператором путём команд и прямых манипуляций, комплек-
  сы самостоятельно вовлекаются в совместный процесс решения общей задачи в условиях
  недетерминированной динамической среды. В статье предложен формализованный подход
  к конструированию вариантов архитектур группового взаимодействия автономных робо-
  тотехнических комплексов в системе, основанного на законе открытого управления, т.е.
  индуцированных и достоверных предпочтений каждого комплекса к действию, удовлетво-
  ряющих условиям совершенного согласования их деятельности, путём идентификации па-
  раметров, при которых максимизируется целевая функция в различных режимах функционирования робототехнической системы. Представлена формализованная постановка за-
  дачи синтеза системы адаптивного группового управления автономными робототехниче-
  скими комплексами в условиях априорной неопределённости. Архитектура группового
  взаимодействия комплексов адаптивно выстраивается исходя из условий внешней среды и
  внутреннего состояния системы, в которых каждый комплекс группы функционирует для
  достижения общей цели (решения системной задачи) в рассматриваемый момент времени

• СРАВНИТЕЛЬНЫЙ АНАЛИЗ ЦЕНТРАЛИЗОВАННОГО И ДЕЦЕНТРАЛИЗОВАННОГО АЛГОРИТМОВ ДВИЖЕНИЯ СТРОЕМ БЛА МУЛЬТИКОПТЕРНОГО ТИПА

  М.Ю. Медведев , В. Х. Пшихопов

  2022-04-21

  Аннотация ▼

  Развитие робототехнических комплексов делает актуальным их групповое примене-
  ние для решения различных задач. Эффективность выполнения задач обнаружения и опре-
  деления координат объектов группой роботов существенно зависит от точности под-
  держания заданного строя. В этой связи практический интерес представляет задача оп-
  ределения алгоритмов планирования движения, обеспечивающих наибольшую точности
  поддержания заданного строя. Данная статья посвящена исследованию точности под-
  держания строя группой БЛА мультикоптерного типа с использованием централизованно-
  го алгоритма планирования движения и децентрализованного алгоритма. В централизо-
  ванном алгоритме используется ведущий БЛА, который передает свои координаты ведо-
  мым БЛА. На основании полученных координат и заданной структуре строя ведомые БЛА
  планируют свое движение. В децентрализованной систем соседние БЛА группы передают
  свои координаты друг другу, на основании чего планируется движение отдельного БЛА.
  Точность исследуется в зависимости от погрешностей навигационной системы и часто-
  ты обновления данных о положении ведущего или соседних БЛА. Полагается, что БЛА
  группы в дискретные моменты времени определяют свои координаты, используя внешнюю
  навигационную систему. Централизованный и децентрализованный алгоритмы отрабаты-
  ваются одинаковой системой управления движением. Алгоритмы исследуются в данной
  статье методами численного моделирования. В процессе моделирования учитываются
  модели кинематики, динамики и исполнительных механизмов, а также модели формирова-
  ния погрешностей навигационной системы. Показано, что децентрализованный алгоритм
  группового планирования движения обеспечивает более высокую точность по сравнению с
  централизованным алгоритмом. Однако техническая реализация децентрализованного
  алгоритма более сложна с точки зрения организации системы групповой связи. В центра-
  лизованной систем должна быть реализована передача данных от ведущего БЛА ведомым.
  В децентрализованной системе требуется реализовать сетевую связь.

• РАЗРАБОТКА МНОГОУРОВНЕВОЙ СИСТЕМЫ ПЛАНИРОВАНИЯ ТРАЕКТОРИИ ДВИЖЕНИЯ ГРУППЫ АНПА В НЕИЗВЕСТНОЙ СРЕДЕ С ПРЕПЯТСТВИЯМИ

  А.М. Маевский , Р. О. Морозов , А. Е. Горелый , В. А. Рыжов

  2021-04-04

  Аннотация ▼

  Рассматривается проблема организации группового движения морских робототех-
  нических комплексов (МРТК), в частности автономных необитаемых подводных аппара-
  тов (АНПА), в априори неизвестной среде с препятствиями. Выполнен краткий анализ
  существующих проектов по тематике группового управления МРТК, и алгоритмов плани-
  рования движения. Наличие многочисленных исследований по данному направлению под-
  тверждает актуальность обозначенной проблемы. Приведена формальная постановка
  задачи движения четырех роботов строем. Предлагаемый в работе метод планированиядвижения группы основан на комбинированном подходе, который организует многоуровне-
  вое решение к организации перемещения МРТК. На верхнем уровне разработана система
  глобального планирования и отработки миссии на основе метода случайных деревьев ко-
  торая обеспечивает общее перемещение группы на основе априорной информации о со-
  стоянии среды. Система планирования нижнего уровня корректирует глобальную траек-
  торию, позволяя объектам на локальном уровне осуществлять передвижение и взаимодей-
  ствие агентов в группе, в том числе обеспечивает их безаварийное перемещение в про-
  странстве и выход из областей локальных минимумов. В работе приводится подробное
  аналитическое описание разработанного алгоритма и блок-схема его функционирования.
  Проведено численное моделирование движения группы из 4 АНПА в недетерминированной
  среде с неподвижными препятствиями. Моделирование проводилось с учетом препятст-
  вий различной формы и сложности. Результаты математического моделирования проде-
  монстрировали решение задачи выхода группы АНПА из области локального минимума.
  Приведены натурные испытания на примере группы из трёх безэкипажных катеров, в ре-
  зультате которых группа подвижных объектов сформировала строй и осуществила пере-
  мещение заданным строем в целевые позиции и вернулась в конечную зону. Кроме того,
  разработанный в рамках данной статьи модуль локального планирования был интегриро-
  ван в программное обеспечение системы планирования подводного глайдера «Тень». В конце
  рассматриваются полученные результаты работы предложенного метода и его дальней-
  шее развитие, в частности его применение в трехмерной постановке задачи.

• СПЕЦИАЛЬНОЕ МОДЕЛЬНО-АЛГОРИТМИЧЕСКОЕ И ПРОГРАММНОЕ ОБЕСПЕЧЕНИЕ ПРОАКТИВНОГО УПРАВЛЕНИЯ ГРУППОВЫМ ПОВЕДЕНИЕМ РОБОТОТЕХНИЧЕСКИХ СРЕДСТВ

  О. В. Кофнов , С.А. Потрясаев , Б.В. Соколов , П. М. Трефилов

  2021-04-04

  Аннотация ▼

  Рассматривается проактивное управление групповым поведением робототехнических
  средств на основе поведенческих моделей, где интеллект формируется как результат пове-
  дения множества физических сущностей. Исследуемый комплекс представляет собой мно-
  жество распределенных агентов, функционирующих в реальном масштабе времени в среде с
  возмущающими воздействиями. Для рассматриваемого сетевого объекта используется мо-
  дель взаимодействия Дж. Бойда, описывающая цикл работы системы управления этого объ-
  екта. Исходными данными для решения поставленной задачи управления являются горизонт
  планирования, сценарий действия группы, множество агентов с сопоставленным им набором
  элементарных действий, множество предметно ориентированных ограничений на использо-
  вание сценария и показатель качества решения задачи управления. Требуется осуществить
  распределение агентов в пространстве и во времени на множестве действий сценария с уче-
  том всех возможных ограничений. Разработанная технология позволяет опережать воз-
  можные сценарии реализации возмущающих воздействий. Используется методология ком-
  плексного предсказательного моделирования процессов проактивного управления и координа-
  ции поведения самоорганизующейся группы роботов, где в качестве базовых моделей исполь-
  зуются новые логико-динамические модели. Одним из основных достоинств разработанных
  комбинированных моделей, методов, алгоритмов и программ является обеспечение на кон-
  цептуальном, модельно-алгоритмическом, информационном и программном уровнях детали-
  зации корректного согласования аналитико-имитационных моделей управления структурной
  динамикой сложных динамических объектов с их логико-алгебраическими и логико-
  лингвистическими аналогами (моделями), построенными на основе интеллектуальных ин-
  формационных технологий. Также разработан специализированный язык описания и исследо-
  вания как задач моделирования, планирования, проактивного мониторинга и управления ука-
  занными объектами, так и задач диалогового взаимодействия, планирования вычислений,
  обработки данных и знаний. Основное отличие и достоинство предложенного подхода со-
  стоит в том, что задачи моделирования, планирования и управления конфигурацией и рекон-
  фигурацией робототехнических средств решаются не изолировано, а интегрировано в рам-
  ках общей проблемы проактивного управления структурной динамикой.

• КОНЦЕПЦИЯ ФОРМИРОВАНИЯ ОПЕРАТИВНОЙ ГРУППЫ РТК

  В. Х. Пшихопов, А.Р. Гайдук, М. Ю. Медведев, Д. Н. Гонтарь, В.В. Соловьев, О.В. Мартьянов

  2020-07-10

  Аннотация ▼

  Рассматривается задача формирования группы автономных робототехнических ком-плексов с целью нейтрализации обнаруженной группы противника. Группа робототехнических комплексов должна быть сформирована таким образом, чтобы поставленная ей задача по нейтрализации обнаруженного противника была выполнена с большой долей вероятности. Поставленная проблема математически представляет собой задачу о назначениях. Исходными данными для решения указанной задачи являются: типы и число объектов обнаруженной груп-пы противника; данные о расположении объектов противника; данные о составе и характери-стиках средств, имеющихся в нашей группировке; тип формируемой группы (робототехниче-ская или смешанная); цель выполнения операции; действия группы по окончании операции. Предлагается решение задачи, базирующееся на оценках эффективности применения отдель-ных робототехнических комплексов. Решение сформулировано в виде последовательности эта-пов. На первом этапе осуществляется расчет априорных эффективностей применения каждо-го элемента обнаруженной группы противника. На втором этапе, исходя из экспертных оце-нок, производится выбор коэффициентов эффективности применения каждого из имеющихся робототехнических комплексов против каждого элемента обнаруженной группы противника. На третьем этапе осуществляется коррекция априорных оценок эффективности применения имеющихся в распоряжении робототехнических комплексов, с учетом выбранных на втором этапе коэффициентов. На четвертом этапе производится формирование группы робототех-нических комплексов таким образом, чтобы ее суммарная эффективность применения превы-шала суммарную эффективность применения обнаруженного противника в 2,0–2.5 раза. Пред-ложенная методика формирования группы позволяет сформировать как количественный, так и качественный состав группы. В статье приводится пример формирования группы, целью которой является нейтрализация обнаруженного противника. Результаты статьи могут использоваться при моделировании групп роботов, обладающих высокой степенью автономно-сти. Такие группы могут не только выполнять поставленную задачу, но в автоматическом режиме составлять план решения задачи.