ЭВОЛЮЦИОННЫЙ МЕТОД РЕШЕНИЯ ЗАДАЧИ ОПТИМАЛЬНОГО УПРАВЛЕНИЯ ДЛЯ ПОВЫШЕНИЯ КАЧЕСТВА ГРУППОВОГО ВЗАИМОДЕЙСТВИЯ РОБОТОВ

Дивеев Асхат Ибрагимович, доктор технических наук, директор роботоцентра Управления робототехническими устройствами, Федеральный исследовательский центр «Информатика и управление» Российской академии наук (Вычислительный центр им. А. А. Дородницына РАН) (119333, Россия, г. Москва, ул. Вавилова, 40); профессор департамента механики и мехатроники, Инженерная академия Российского университета дружбы народов (115419, Россия, г. Москва, ул. Орджоникидзе, 3), E-mail: aidiveev@mail.ru
Котова Анна Алексеевна, студент, Инженерная академия Российского университета дружбы народов (115419, Россия, г. Москва, ул. Орджоникидзе, 3), E-mail: cat-anja@mail.ru 

519.714 

DOI

10.21685/2307-4205-2019-4-6 

Рассматривается задача оптимального управления групповым взаимодействием роботов с фазовыми ограничениями. По условию два мобильных робота с помощью жестких шарнирных тяг перемещают тележку из одной точки плоскости в другую за минимальное время. На плоскости заданы статические ограничения. При движении роботы, тележка и тяги не должны нарушать фазовых ограничений. Роботы также не должны сталкиваться между собой. Для решения задачи используется кусочно-линейная аппроксимация искомых функций управления. При поиске параметров аппроксимирующих функций используется эволюционный алгоритм «роя частиц». 

Ключевые слова

оптимальное управление, фазовые ограничения, групповое взаимодействие роботов, эволюционный алгоритм 

 Скачать статью в формате PDF

1. Понтрягин, Л. С. Математическая теория оптимальных процессов / Л. С. Понтрягин, В. Г. Болтянский, Р. В. Гамкрелидзе, Е. Ф. Мищенко. – 4-е изд. – Москва : Наука, 1983. – 392 с.
2. Kingma, D. P. A Method for Stochastic Optimization / D. P. Kingma, Ba J. Adam // 3rd International Conference for Learning Representations. – San Diego, 2015. – 15 p. – URL: https://arxiv.org/pdf/1412.6980v8.pdf.
3. Дивеев, А. И. Эволюционные алгоритмы для решения задачи оптимального управления / А. И. Дивеев, С. В. Константинов // Вестник РУДН. Сер.: Инженерные исследования. – 2017. – Т. 18, № 2. – С. 254–265.
4. Дивеев, А. И. Исследование эволюционных алгоритмов для решения задачи оптимального управления / А. И. Дивеев, С. В. Константинов // Труды Московского физико-технического института. – 2017. – Т. 9, № 3. – С. 70–79.
5. Diveev, A. I. Study of the practical convergence of evolutionary algorithms for the optimal program control of a wheeled robot / A. I. Diveev, S. V. Konstantinov // Journal of Computer and Systems Sciences International. – 2018. – Vol. 57, № 4. – P. 561–580.
6. Kennedy, J. Particle Swarm Optimization / J. Kennedy, R. Eberhart // Proceedings of IEEE International Conference on Neural Networks. – Perth, Australia, 1995. – P. 1942–1948.
7. Šuster, P. Tracking trajectory of the mobile robot Khepera II using approaches of artificial intelligence / P. Šuster, A. Jadlovská // Acta Electrotechnica et Informatica. – 2011. – Vol. 11, № 1. – P. 38–43.
8. Карпенко, А. П. Глобальная оптимизация методом роя частиц. Обзор / А. П. Карпенко, Е. Ю. Селиверстов // Информационные технологии. – 2010. – № 2. – С. 25–34.