یک الگوریتم تکاملی برای جهت یابی ربات مستقل

چکیده

کلمات کلیدی

1.مقدمه

شکل 1. پیکربندی روبات (الف) واقعی (ب) شبیه سازی شده

2 سخت افزار شبیه سازی شده پیشنهادی

3 الگوریتم پیشنهاد شده

شکل 2. رمزگذاری پیشنهادی

شکل 3. رمزگذاری کروموزم PWM

4 نتایج و بحث

شکل 4. محیط شبیه سازی شده در پیکربندی اولیه (الف) و پس از اجراها (ب)

جدول 1. مقایسه بین بهترین راه حل با الگوریتم پیشنهادی و بهترین راه حل بدست آمده بوسیله الگوریتم پیشنهادی بوسیله (3)

5 نتیجه گیری و آثار آینده

این مقاله یک الگوریتم تکاملی برای کنترل روبات با جهتیابی مستقل در اجتناب از موانع ارائه می کند. این مقاله توصیف می کند چگونه سیستم تکاملی سنسورها و موتورها را برای تکمیل این کار کنترل می کند. یک شبیه ساز برای تست الگوریتم و تنظیمات آن توسعه داده شده است. آزمایش ها در یک محیط شبیه سازی شده انجام شدند حاوی مجموعه ای از موانع که با استفاده از مجموعه ای از حسگر ها مشاهده شدند. راه حل بدست آمده در شبیه ساز در یک ربات واقعی تعبیه شد، که در یک ناحیه حاوی موانع مورد آزمایش قرار گرفت. ربات قادر به حرکت و اجتناب از موانع در این محیط بود.

مسئله ناوبری (جهت یابی) در روبات های موبایل مسئله تصمیم گیری ناوبری برای یک یا چند روبات مستقل موبایل قرار داده شده در یک محیط دلخواه، برای انجام برخی از وظایف از پیش تعریف شده است [ 5 ]. جنبه های بسیاری در این مسئله وجود دارد: تنظیمات محیط، ویژگی های برنامه کاربردی، ویژگی های ربات و اولویت های کار. بسیاری از تکنیک ها مانند سیستم های فازی و الگوریتم های تکاملی در تلاش برای حل این مشکل استفاده شده است. الگوریتم های تکاملی (EAs) یک استراتژی محاسباتی است که مسئله های بهینه سازی دشوار را حل می کنند. EA ها از زیست شناسی، به ویژه نظریه تکامل داروین الهام گرفته شده اند. آنها برخی از صفات تکامل طبیعی را برای تولید سازگاری تقلید می کنند [ 1 ]. الگوریتم های ژنتیکی به طور ذاتی موازی هستند زیرا جستجو امکان کشف راه حل های متعدد را فراهم می کند و می تواند یک جمعیت از روبات هایی که به طور همزمان کار می کنند را کنترل کند. این مقاله یک الگوریتم ژنتیک را توصیف می کند، جایی که جمعیت به عنوان روبات های واقعی وجود دارد که اطلاعات ژنتیکی را برای حل یک مشکل خاص مبادله می کنند. هدف این است که یک ربات را برای تعامل با یک محیط ناشناخته آموزش دهید. کار اصلی ما یک کدگذاری کروموزوم جدید برای روبات های موبایل و همچنین یک شبیه ساز برای این کار است. به عنوان یک مطالعه موردی، ما ربات را به صورت تصادفی برای تست اینکه آیا واقعا می تواند توسط تکامل آموزش داده شود راه اندازی می کنیم.