Модификация и обучение «муравьиного алгоритма» для планирования операций роя подвижных объектов

Abstract

Рой подвижных роботов, как система относительно простых взаимосвязанных управляемых объектов, выполняет общую задачу одновременно и распределённым образом. При планировании операций роя, связанных с созданием в зоне обслуживания сквозной фронтальной полосы из зон работы целевой аппаратуры – полезной нагрузки объектов роя, возникает необходимость учитывать возможность его оперативной перегруппировки, так как на момент планирования точная цель операции роя или ещё не определена, или представляет секрет, или определяется рядом случайных обстоятельств. Поэтому исполнение операции роя целесообразно проводить в две фазы, и первую предварительную фазу начинать ещё до разрешения упомянутых неопределённостей путем создания базовой случайной сети с относительно малой концентрации объектов роя в ней. На второй фазе операции после разрешения упомянутой неопределённости путем локальной перегруппировки объектов роя формируется конкретный программируемый перколяционный путь, обеспечивающий заданное покрытие зонами работы целевой аппаратуры объектов роя определённой зоны обслуживания. Решение этой задачи проводится методами теории программируемой перколяции. Рассмотрен и исследован модифицированный муравьиный алгоритм с эволюционным обучением с целью быстрого решения роем задачи поиска и формирования кратчайшего сквозного пути через зону обслуживания. В этом случае можно существенно сократить время на проведение операции. A swarm of mobile robots, as a system of relatively simple interconnected controlled objects, performs a common task simultaneously and in a distributed manner. When planning swarm operations associated with the creation in the service area through the frontal band of the zones of operation of the target equipment there is a need to consider the possibility of its operational regrouping, since at the time of planning the exact purpose of the swarm operation has not yet been determined, or is a secret, or is determined by a number of random circumstances. The execution of the swarm operation is advisable to carry out in two phases. The first phase starts even before the resolution of these uncertainties by creating a basic random network with a relatively small concentration of robots. In the second phase, after resolving the uncertainty, a programmable percolation route is formed by local rearrangement of the swarm objects, which provides a predetermined coverage of the target equipment of the robots with a certain service zone. A modified ant algorithm with evolutionary learning is considered in order to quickly solve the swarm problem of two-phase operation. In this case, you can significantly reduce the time for the operation.