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

• ПРИМЕНЕНИЕ ИНСТРУМЕНТОВ ПРОЕКТНОГО ПЛАНИРОВАНИЯ: ДИАГРАММА ГАНТА И СЕТЕВОЙ ГРАФИК

  А.А. Богнюков , Д.Ю. Зорькин , И.А. Тарасова

  102-110

  2025-10-01

  Аннотация ▼

  Разработана интегративная модель, синтезирующая методы календарного планирования с функционалом ПО (Excel, MS Project) для многоуровневой оптимизации проектов. Центральное внимание уделяется трем взаимодополняющим методикам: диаграмме Ганта, сетевому графику и анализу критического пути, формирующим концептуальную основу эффективной координации проектных процессов. Исследование детализирует алгоритм создания диаграммы Ганта, визуализирующей временные рамки и последовательность задач, с акцентом на функциональные возможности специализированных программных решений, включая Microsoft Project и Excel, обеспечивающих автоматизацию построения и корректировки графиков. Раскрывается принцип конструирования сетевого графика, интерпретируемого как ориентированный граф с ребрами (работами) и вершинами (событиями). Данный подход позволяет идентифицировать логические зависимости между этапами проекта и выявить критический путь – последовательность операций с нулевым временным резервом, определяющую минимальную продолжительность проекта. Практическая иллюстрация расчета критического пути подкрепляется примерами, демонстрирующими его роль в оптимизации временных ресурсов. Важным аспектом исследования становится анализ резервов времени, направленный на минимизацию рисков срыва сроков через рациональное перераспределение ресурсов. Методологический аппарат дополняется инструментами визуализации: графиками потребности и диаграммами загрузки ресурсов, обеспечивающими оперативный контроль над материальными и кадровыми активами на всех фазах проекта. Финальным элементом системы планирования выступает календарный план, структурирующий данные о наименованиях работ, их хронологических интервалах и ресурсоемкости. Этот документ служит интеграционной основой для синхронизации операционной деятельности, гарантирующей соблюдение установленных сроков. Практическая ценность исследования заключается в адаптации теоретических принципов проектного менеджмента к реальным условиям: представленные кейсы и методики могут быть имплементированы в деятельность управленческих команд, экономистов и отраслевых специалистов для повышения эффективности реализации комплексных проектов в мультидисциплинарных контекстах

• МЕТОД ПРОСТРАНСТВЕННО-ВРЕМЕННОГО РАЗНЕСЕНИЯ ТРАЕКТОРИЙ ГРУППЫ РОБОТОВ В УСЛОВИЯХ ПРЕПЯТСТВИЙ

  В.А. Костюков

  92-102

  2025-10-01

  Аннотация ▼

  При разработке алгоритмов планирования путей роботов, образующих группу, возникает проблема обеспечения гарантированного их не столкновения друг с другом и с возможными препятствиями. Кроме того, для группы может действовать требование поддержания заданного шаблона строя там, на тех участках движения группы, где это возможно с учетом препятствий. Однако часто образуется узкий пространственный коридор допустимого движения группы, который может быть обусловлен как исходными требованиями к траектории (например, условие нахождения ее в некоторой окрестности заданной точки), так и наличием препятствий и прочих помеховых воздействий. Наличие такого ограничительного коридора может привести к вынужденному сближению и даже пересечению пространственных траекторий движения отдельных роботов группы. Одним из возможных решений указанной проблемы является задание или корректировка временных параметрических представлений этих индивидуальных траекторий так, чтобы два робота с близко подходящими друг к другу пространственными траекториями в наиболее близких их точках находились в разное время. Причем интервал времени, отделяющий моменты нахождения этих двух роботов в этих точках, должен выбираться в зависимости от скорости роботов и их габаритов.
  На этой идее основан развиваемый метод пространственно-временного разнесения траекторий отдельных роботов группы. Метод подразумевает формирование и решение специальной задачи линейного программирования относительно целевых моментов времени ранее выделенных узлов пространственной траектории каждого ведомого робота. Ограничивающим фактором на изменение этих моментов выступает максимально возможная скорость перемещения робота. Для каждого робота производится предварительное выделение набора траекторий других роботов группы, от которых далее необходимо отстроиться в пространстве-времени. Это происходит в зависимости от приоритета роботов в группе. Приводятся примеры численной реализации алгоритма на базе предлагаемого метода, подтверждающие его эффективность

• УПРАВЛЕНИЕ МОБИЛЬНЫМ РОБОТОМ С ПРИМЕНЕНИЕМ НЕЙРОННОЙ СЕТИ ДЛЯ ПЛАНИРОВАНИЯ ДВИЖЕНИЯ В НЕКАРТОГРАФИРОВАННОЙ СРЕДЕ С ПРЕПЯТСТВИЯМИ

  А. К. Фархуд

  99-114

  2022-01-31

  Аннотация ▼

  В данной работе применяется нейронная сеть глубокого обучения специальной
  структуры, которая позволяет мобильному роботу перемещаться без столкновения с
  препятствиями в неизвестной среде. Основными проблемами, на решение которых направ-
  лены усилия исследователей в области нейросетевых планировщиков движения, являются
  повышение производительности нейронных сетей, оптимизация их структуры и автома-
  тизация процессов обучения. Основным результатом данной статьи является новый ите-
  рационный алгоритм разработки обучающего набора. На первой итерации разрабатыва-
  ется стартовый обучающий набор и производится начальное обучение нейронной сети.
  В следующих итерациях обученная на предыдущем этапе нейронная сеть используется в
  качестве фильтра для следующих обучающих наборов. Фильтр выбирает траектории с
  коллизиями, обусловленными ошибками нейронной сети. В процессе обучения количество
  сверточных и полностью связанных слоев итеративно увеличивается. Таким образом,
  предложенный алгоритм позволяет разработать как обучающий набор, так и архитекту-
  ру нейронной сети. Выполняется сравнение результатов обучения для отфильтрованных и
  нефильтрованных наборов. Подтверждена высокая эффективность фильтрации, в ре-
  зультате которой изменяется распределение примеров в обучающей выборке. Алгоритм
  может быть использован для разработки блока планирования системы управления мобильными наземными роботами. В статье приводится пример обучения нейронной сети в
  среде моделирования Matlab. В примере проведено пять итераций обучения, в ходе которых
  достигнута точность более 90 %. Данная точность получена с использованием набранной
  статистики по движению мобильного робота в случайно генерируемой среде. Плотность
  заполнения среды препятствиями составляла до 40 %, что соответствует городским
  условиям. Проведено сравнение нейросетевых планировщиков, обученных с помощью пред-
  ложенной итерационной процедуры и при обычном обучении. Сравнение показало, что
  применение итерационной процедуры повышает точность планирования до 12 – 15 %. При
  этом исходный объем обучающей выборки уменьшается в несколько раз за счет применяе-
  мой фильтрации.

• 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.