д-р техн. наук, Уфа
D. Sc., Ufa, 450077, Russian Federation; Ufa, 450054, Russian Federation
канд. техн. наук, Уфа
Сand. Sc., Ufa, 450054, Russian Federation
Рассматривается решение многокритериальной задачи, включающее распределение целей, планирование траекторий и оптимизацию расхода энергии, при реализации коллективного взаимодействия роботов. Для поиска оптимальной стратегии группового поведения предлагается использовать генетический алгоритм в соответствии с выбранными условиями (ограничениями) и критериями оптимальности. Существенную сложность при выборе способов управления группой автономных мобильных роботов представляет распределение задач между агентами, которые действуют в условиях параметрической и информационной неопределенностей, обладают "скромными" аппаратными, энергетическими и функциональными возможностями. Поэтому реализация многопараметрического поиска оптимального решения требует специализированного подхода, учитывающего весь комплекс динамических параметров, допускающего коррекцию целей в реальном масштабе времени и деградацию роботов вплоть до их выхода из строя. Основой предлагаемого нейрогенетического алгоритма является новый алгоритм расчета фитнесс-функции, в котором используются результаты нейросетевого метода планирования траекторий для группы роботов, а также информация о начальном заряде батарей роботов — агентов коллектива, энергопотреблении каждого агента и предварительная оценка энергозатрат, необходимых агенту на выполнение доступных ему отдельных заданий. Для обеспечения приемлемой производительности алгоритма и с учетом высокого динамизма внешнего окружения было принято решение ограничиться поиском решений только на один шаг (следующий рабочий такт коллектива). В работе приводятся результаты моделирования задачи поиска оптимальной стратегии поведения роботов, алгоритм расчета специализированной фитнесс-функции и варианты пошагового поиска глобальной стратегии распределения заданий, которые позволяют повысить эффективность использования коллектива роботов за счет гарантированного получения результат при минимизации суммарного времени выполнения всех поставленных заданий, а также увеличить время работы коллектива за счет корректного расхода энергии.
The solution of the multi-criteria problem, which includes the distribution of objectives, the planning of trajectories and the optimization of energy consumption, is considered in the realization of the collective interaction of robots. It is proposed to use a genetic algorithm according to the chosen conditions (constraints) and optimality criteria to find the best strategy for group behavior. The considerable difficulty in choosing how to control a team of autonomous mobile robots represents the distribution of tasks among agents that operate under conditions of parametric and information uncertainty, possess "modest" hardware, power and functionality. Therefore, the implementation of a multi-stage search for an optimal solution requires a specialized approach that takes into account the whole range of dynamic parameters, allowing for real-time target correction and degradation of robots until they fail. The basis of the proposed neurogenetic algorithm is a new algorithm for calculating the fitness function, in which the results of the neural network method of trajectory planning for a group of robots are used, as well as information about the initial charge of the batteries of robotic agents of the collective, the energy consumption of each agent and the preliminary estimation of the energy required by some agent to perform the individual tasks available to it. In order to ensure an acceptable performance of the algorithm and given the high dynamism of the external environment, it was decided to limit the search for solutions to only one step (the next working beat of the collective). The paper presents the results of the simulation of the task of finding the optimal behavior of robots, the algorithm of calculation of the specialized fitness function and the options of step-by-step search of the global strategy of distribution of tasks, which make it possible to increase the efficiency of the use of the team of robots due to the guaranteed production of the result while minimizing the total time of completion of all the tasks, as well as to increase the working time of the team due to the correct energy consumption.
The authors declare that there are no conflicts of interest present.