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

• ГЕНЕТИЧЕСКИЙ АЛГОРИТМ ПЛАНИРОВАНИЯ ТРАЕКТОРИИ ДВИЖЕНИЯ ГРУППЫ МОБИЛЬНЫХ РОБОТОВ ПРИ НАЛИЧИИ СТАЦИОНАРНЫХ И ПОДВИЖНЫХ ПРЕПЯТСТВИЙ

  Л. А. Рыбак , Д.И. Малышев , Д. А. Дьяконов , А. А. Мамченкова

  2025-04-27

  Аннотация ▼

  Рассматривается метод планирования траектории движения группы мобильных роботов,
  обеспечивающий безопасное перемещение и исключающий возможность столкновений как между
  самими роботами, так и с внешними препятствиями, включая движущиеся объекты. Разрабо-
  танная математическая модель учитывает три основных сценария возможных столкновений:
  пересечение траекторий роботов внутри группы, взаимодействие со стационарными препятст-
  виями и вероятность столкновения с подвижными объектами. Каждый из этих сценариев де-
  тально анализируется для обеспечения максимальной безопасности движения, а их учет позволя-
  ет эффективно адаптировать маршруты роботов к изменяющимся условиям среды. Траектория
  движения каждого робота представляется в виде ломаной линии с промежуточными точками,
  которые оптимизируются для обеспечения безопасности движения. Особое внимание уделяется
  адаптации скорости на различных участках траектории: робот может изменять скорость в
  зависимости от текущих условий, чтобы минимизировать риск столкновений. Для оценки рас-
  стояний между объектами используется евклидова норма, позволяющая рассчитывать мини-
  мальные расстояния между центрами сферических представлений роботов и препятствий. Зада-
  ча решается в два этапа. На первом этапе строится траектория для первого робота с учетом
  начальных условий и расположения препятствий. На втором этапе формируются траектории
  для остальных роботов с учетом уже спланированных маршрутов. Для оптимизации координат
  промежуточных точек и скоростей применяется генетический алгоритм, который минимизиру-
  ет время перемещения и обеспечивает безопасность движения. Генетический алгоритм использу-
  ет операторы скрещивания и мутации для создания разнообразных решений, а также выполняет
  проверку на соответствие условиям безопасности. Численное моделирование проведено на языке
  Python с использованием библиотеки Matplotlib для визуализации результатов. В ходе эксперимен-
  тов было выполнено 50 тестов с различным количеством препятствий (от 5 до 10). Анализ ре-
  зультатов показал, что с увеличением числа препятствий возрастает как время расчета, так и
  качество сформированных траекторий. Это подтверждает эффективность предложенного
  метода для управления группами мобильных роботов в динамически меняющейся среде

• 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.