Разработка и исследование распределенных алгоритмов управления системами роевого интеллекта

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Темой настоящей работы является разработка и исследование распределенных алгоритмов для организации коллективного поведения в роевых робототехнических системах с целью решения этими системами различных прикладных задач. На примере решения задачи коллективной уборки заданной территории в работе строятся и исследуются несколько роевых алгоритмов, основанных на классических роевых моделях: модели случайного блуждания, модели Рейнолдса, алгоритме бактериального поиска, методе стохастического градиента. Приводятся результаты численных экспериментов по сравнению эффективности предлагаемых методов.

Полный текст

Доступ закрыт

Об авторах

Николай Михайлович Ершов

Московский государственный университет имени М.В. Ломоносова

Email: ershov@gse.cs.msu.ru
кандидат физико-математических наук; старший научный сотрудник факультета вычислительной математики и кибернетики (ВМК) Москва, Российская Федерация

Список литературы

  1. Beni G., Wang J. Swarm intelligence in cellular robotic systems, proceed. In: NATO advanced workshop on robots and biological systems. Tuscany, Italy, 1989. Pp. 703-712.
  2. Карпенко А.П. Современные алгоритмы поисковой оптимизации. М.: Изд-во МГТУ им. Н.Э. Баумана, 2014.
  3. Dorigo M., Gambardella L.M. Ant Colony System: A cooperative learning approach to the traveling salesman problem // IEEE Transactions on Evolutionary Computation. 1997. No. 1 (1). Pp. 53-66.
  4. Sahin E. Swarm robotics: From sources of inspiration to domains of application. In: Swarm robotics. E. Sahin, W.M. Spears (eds.). 2005. LNCS 3342. Pp. 10-20.
  5. Ершов Н.М. Введение в распределенное моделирование в среде NetLogo. М.: ДМК Пресс, 2018.
  6. Wilensky U., Rand W. An introduction to agent-based modeling; Modeling natural, social, and engineered complex systems with NetLogo. Cambridge, Massachusetts: MIT Press, 2015.
  7. Nelson E. Dynamical theories of Brownian motion, mathematical notes. Princeton University Press, 1967.
  8. Xin-She Yang. Random walks and optimization, nature-inspired optimization algorithms. 2014. Pp. 45-65.
  9. Reynolds C.W. Flocks, herds and schools: A distributed behavioral model // Computer Graphics. 2021. No. 4. Pp. 25-34.
  10. Bayindir L. A Review of swarm robotics tasks // Neurocomputing. 2016. Vol. 172. Pp. 292-321.
  11. Passino K. Biomimicry of bacterial foraging for distributed optimization and control // IEEE Control Systems Magazine. 2002. No. 22. Pp. 52-67.
  12. Newton D., Pasupathy R., Yousefian F. Recent trends in stochastic gradient descent for machine learning and Big Data // Winter Simulation Conference. 2018. Pp. 366-380.
  13. Berdahl A., Torney C.J., Ioannou C.C. et al. Emergent sensing of complex environments by mobile animal groups // Science. 2013. No. 339 (6119). Pp. 574-576.
  14. Воеводин В.В., Воеводин Вл.В. Параллельные вычисления. СПб.: БХВ-Петербург, 2002.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML


Данный сайт использует cookie-файлы

Продолжая использовать наш сайт, вы даете согласие на обработку файлов cookie, которые обеспечивают правильную работу сайта.

О куки-файлах