Найти

Результаты поиска

• ПЛАНИРОВАНИЕ ПУТИ РОБОТА ДЛЯ НЕСКОЛЬКИХ ЦЕЛЕЙ НА ОСНОВЕ ГИБРИДНОГО АЛГОРИТМА PRM И AGA

  Альзубайри Шаймаа М. Джавад Кадим, А.А. Петунин , С.С. Уколов

  6-18

  2025-11-10

  Аннотация ▼

  Задачи планирования оптимального пути мобильных роботов особенно активно исследуются в последнее десятилетие. Цель состоит в том, чтобы найти оптимальный или близкий к оптимальному путь от начального терминала до одного или нескольких терминалов в среде с различными препятствиями. С точки зрения минимизации времени перемещения роботов, пройденного расстояния, энергетических затрат или других оптимизационных критериев. В данной работе предлагается гибридный алгоритм, сочетающий алгоритм вероятностной дорожной карты (PRM) и адаптированный генетический алгоритм (AGA) для решения задачи планирования пути с одной или несколькими независимыми целями. В качестве оптимизационного критерия используется длина пути робота. По сравнению с существующими подходами, используемыми в генетических алгоритмах (GA), предлагаемый подход имеет два основных различия. Первое – это представление среды, которое опирается на обработку изображений и морфологические операции, что оказалось более эффективным методом, чем методы на основе клеточного представления.
  В частности, предложенный способ устраняет необходимость поиска компромисса между точностью и скоростью обработки геометрической информации. Второе – это новая тактика создания начальной популяции генетического алгоритма для ускорения сходимости при наличии нескольких целей. за счёт использования возможностей вероятностного алгоритма дорожной карты. Еще одна особенность реализации алгоритма связана с адекватным (для исследуемой предметной области) выбором числовых параметров, определяющих особенности всех этапов эволюционной стратегии, включая временные затраты на выполнение каждого этапа. В частности, это касается, параметров оператора мутации и элитной стратегии. Предложенный алгоритм был протестирован на двух реальных картах с разной степенью сложности. Эффективность алгоритма подтверждена сравнением с результатами планирования пути для тестовых карт, полученными с помощью стандартного генетического алгоритма и алгоритма оптимизации муравьиной колонии. Экспериментальные результаты показывают, что гибридный алгоритм расширяет возможности обычного генетического алгоритма и находит рациональные варианты пути с лучшим значением целевой функции для одной и нескольких целей за гораздо меньшее время, чем другие традиционные реализации GA