Рассматривается использование различных типов эвристических алгоритмов на основе технологий мягких вычислений для распределения задач в группах мобильных роботов, выполняющих односложные операции в едином рабочем пространстве: генетические алгоритмы, муравьиные алгоритмы и искусственные нейронные сети. Показано, что данная задача является NP-сложной и ее решение прямым перебором для большого числа заданий невозможно. Исходная задача сведена к типовым NP-полным задачам: обобщенной задаче поиска оптимальной группы замкнутых маршрутов от одного депо и задаче коммивояжера. Представлены описание каждого из выбранных алгоритмов и сравнение их характеристик. Приводится пошаговый алгоритм работы с учетом выбранных генетических операторов и их параметров при заданном объеме популяции. Представлена общая структура разработанного алгоритма, позволяющего достаточно эффективно решить многокритериальную оптимизационную задачу с учетом временных затрат и интегрального критерия эффективности роботов, учитывающего энергетические затраты, функциональную насыщенность каждого агента группы и т.д. Показана возможность решения исходной задачи с использованием муравьиного алгоритма и обобщенного поиска оптимальной группы замкнутых маршрутов. Для многокритериальной оптимизации показана возможность линейной свертки полученного векторного критерия оптимальности за счет введения дополнительных параметров, характеризующих групповое управление: общее КПД функционирования всех роботов, затраты энергии на функционирование группы поддержки и энергия на размещение одного робота на рабочем поле. Для решения задачи распределения заданий с использованием нейронной сети Хопфилда произведено ее представление в виде графа, полученного в ходе перехода от обобщенной задачи поиска оптимальной группы замкнутых маршрутов от одного депо к задаче коммивояжера. Показателем качества выбран суммарный путь, пройденный каждым из роботов группы.
Применение биоинспирированных моделей и методов является одним из подходов к решению задач групповой робототехники. Рассматривается одна из таких задач – моделирование фуражировки – и ее решение путем создания аналогов социальных структур муравьев и моделей кормового поведения. Показаны существенные для данной задачи характеристики семей муравьев – численность особей в социуме и его структура, скорость движения рабочих, дистанция взаимодействия индивидов и площадь территории. Кроме того, оценен имеющийся экспериментальный базис – группа роботов и полигон, – использующийся в качестве аппаратной платформы для экспериментов. Рассмотрено несколько моделей кормового поведения – без дифференциации функций фуражиров и с разделением последних на активных и пассивных. Активные фуражиры самостоятельно ищут источники ресурсов, а затем вовлекают в процесс добычи пассивных фуражиров; пассивные, пока не вовлечены в добычу, находятся на базе.
Поведение агентов описано набором конечных автоматов: базовые автоматы реализуют базовые поведенческие функции, мета-автомат описывает поведение на основе базовых автоматов. На экспериментальном базисе были отработаны базовые движения, заданные в автоматной логике. Комплексное тестирование моделей проводилось в среде моделирования Kvorum, где был создан аналог реального полигона. Моделирование представляло собой серию экспериментов для каждой модели, в которой агенты должны были собирать ресурсы. Серии отличались численностью агентов. Для оценки качества моделей использовалось отношение полученной энергии к среднему времени ее добычи. Эксперименты показали, что модель с дифференциацией функций работает эффективнее.
1 - 2 из 2 результатов