Đang tải... (xem toàn văn)
Luận văn chỉ ra sự kết hợp hai giải thuật PSO và APF để ứng dụng tìm kiếm cho hệ thống đa robot (MRS). Sự kết hợp hai giải thuật đã mô phỏng quá trình tìm kiếm trong tự nhiên. Sự duy trì kết nối của các phần từ trong đàn luôn được bảo đảm. Các cá thể trong đàn không va chạm vào nhau. Tìm được mục tiêu ĐỊNH HƯỚNG PHÁT TRIỂN. Kết quả mô phỏng đã đáp ứng thành công hai mong muốn duy trì kết nối và tránh va trạm các cá thể trong bầy đàn, tốc độ hội tụ còn thấp dẫn đến khả năng tìm kiếm kém hoặc không đáp ứng được vấn đề thời gian. Nên cần nghiên cứu và cải thiện thuật toán để đáp ứng trong thực tiễn tốt hơn.
ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ HỒNG MINH TÂN NGHIÊN CỨU ỨNG DỤNG THUẬT TỐN BẦY ĐÀN CHO HỆ THỐNG ĐA ROBOT KHÓA LUẬN TỐT NGHIỆP ĐẠI HỌC HỆ CHÍNH QUY Ngành: Cơng nghệ Kĩ thuật Điện tử, Truyền thông Cán hướng dẫn: TS Phạm Minh Triển HÀ NỘI - 2015 TÓM TẮT Hiện phát triền mạnh mẽ khoa học công nghệ mong muốn giảm thiểu nguy hiểm tình uống cứu hộ có độ nguy hiểm cao cứu nạn mơi trường phóng xạ, tìm kiếm đám cháy Điều khiến cho việc ứng dụng hệ thống đa robot (MRS) trở lên cần thiết Để hiệu trình tìm kiếm có nhiều giải thuật giải thuật ghen (GA) hay giải thuật đàn kiến Tuy với ưu việt tương tác cá thể đàn để khám phá khơng gian tìm kiếm làm cho tối ưu bầy đàn (PSO) sử dụng rộng rãi Nhưng PSO coi cá thể chất điểm nên ứng dụng hệ thống đa robot (MRS), luận văn giới thiệu phương pháp tránh vật cản dùng trường nhân tạo (APF) để tránh vật cản trì kết nối phần từ đàn Luận văn so sánh liên kết va chạm cá thể q trình tìm kiếm Kết mơ thu cho thấy việc kết hợp PSO-APF khả thi ứng dụng việc tìm kiếm i LỜI CÁM ƠN Em xin chân thành cảm ơn TS Phạm Minh Triển, thầy tận tình giúp đỡ, bảo, hướng dẫn em suốt thời gian thực khóa luận Em xin gửi lời cảm ơn chân thành tới thầy cô giáo khoa Điện tử -Viễn thông, trường Đại học Công Nghệ - Đại học Quốc Gia Hà Nội Các thầy cô nhiệt tình giảng dạy bảo chúng em suốt bốn năm học vừa qua Xin cảm ơn anh chị Trung tâm nghiên cứu Điện tử - Viễn thông tạo điều kiện tốt giúp đỡ em q trình học tập làm khóa luận Mặc dù có nhiều cố gắng, thời gian có hạn vốn kiến thức hạn chế nên q trình viết khơng tránh khỏi thiếu sót Em mong nhận góp ý, bảo thầy cô giáo để viết em thêm hoàn thiện Em xin chân thành cảm ơn ii CAM KẾT Tôi cam đoan kết nghiên cứu đưa luận án dựa kết thu trình nghiên cứu riêng tôi, không chép kết nghiên cứu tác giả khác Nội dung luận án có tham khảo sử dụng số thông tin, tài liệu từ nguồn sách, tạp chí liệt kê danh mục tài liệu tham khảo Hồng Minh Tân iii MỤC LỤC TĨM TẮT i LỜI CÁM ƠN ii CAM KẾT iii MỤC LỤC iv DANH SÁCH HÌNH .v KÝ HIỆU VIẾT TẮT vi CHƯƠNG 1: MỤC TIÊU .1 MỤC TIÊU .1 CHƯƠNG 2: NỘI DUNG .2 2.1 GIỚI THIỆU VỀ PSO 2.1.1 PSO CỔ ĐIỂN .2 2.1.2 LÝ THUYẾT VỀ PSO 2.1.3 GIẢ LẬP CODE PSO 2.2 DUY TRÌ KẾT NỐI TRONG ĐÀN TÌM KIẾM 2.2.1: LÝ THUYẾT VỀ LIÊN KẾT ĐỒ THỊ 2.2.1.1: MA TRẬN LIỀN KỀ (A) 2.3 THUẬT TOÁN APF 2.3.1 GIỚI THIỆU APF .4 2.3.2 LÝ THUYẾT APF 2.4 KẾT HỢP PSO VÀ APF .7 2.4.1 CƠ SỞ LÝ THUYẾT .7 CHƯƠNG 3: MÔ PHỎNG .8 3.1.1: Mô với PSO với hàm sphere 3.1.1: Mô với PSO-APF với hàm sphere 11 3.1.3: Mô với PSO với hàm rosenbrock 14 3.1.4: Mô với PSO-APF với hàm rosenbrock .17 3.2 SO SÁNH PSO VÀ PSO-APF .20 3.2.1: SO SÁNH VỀ LIÊN KẾT GIỮA CÁC ROBOT 20 3.2.1: SO SÁNH VỀ MỨC ĐỘ VA CHẠM KHI SỬ DỤNG PSO VÀ PSO-APF 21 CHƯƠNG 4: KẾ: KNG t4.1 K.1 NG t 22 TÀI LIỆU THAM KHẢO .23 iv DANH SÁCH HÌNH Hình 1.1: Vị trí xếp cảm biến Hình 1.2: Tổng hợp lực kéo trường hợp robot xâm nhập trường nhân tạo .9 Hình 3.1: Hình dạng hàm sphere 12 Hình 3.2: Quá trình tìm kiếm bước 12 Hình 3.3: Quá trình tìm kiếm bước 100 12 Hình 3.4: Quá trình tìm kiếm bước 200 13 Hình 3.5: Đồ thị biểu thị kết giá trị trung bình đàn (màu xanh) giá trị tốt robot (màu đó) .14 Hình 3.6: Biểu đồ thể liên kết robot .14 Hình 3.7: Quá trình tìm kiếm bước 15 Hình 3.8: Quá trình tìm kiếm bước 100 15 Hình 3.9: Quá trình tìm kiếm bước 200 16 Hình 3.10: Đồ thị biểu thị kết giá trị trung bình đàn (màu xanh) giá trị tốt robot (màu đó) 16 Hình 3.11:Biểu đồ thể liên kết robot 17 Hình 3.12: Hình dạng hàm rosenbrock 18 Hình 3.13: Quá trình tìm kiếm bước 18 Hình 3.14: Quá trình tìm kiếm bước 100 19 Hình 3.15: Quá trình tìm kiếm bước 200 19 Hình 3.16: Đồ thị biểu thị kết giá trị trung bình đàn (màu xanh) giá trị tốt robot (màu đó) 20 Hình 3.17: Biểu đồ thể liên kết robot .20 Hình 3.18: Quá trình tìm kiếm bước 21 Hình 3.19: Quá trình tìm kiếm bước 100 21 Hình 3.20: Quá trình tìm kiếm bước 200 22 Hình 3.21: Đồ thị biểu thị kết giá trị trung bình đàn (màu xanh) giá trị tốt robot (màu đó) 22 Hình 3.22: Biểu đồ thể liên kết robot .23 Hình 3.22 : Liên kết robot sử dụng PSO PSO-APF 24 Hình 3.23 So sánh mức độ va chạm thuật toán PSO PSO-APF .25 v KÝ HIỆU VIẾT TẮT MRS Hệ thống đa robot PSO Thuật toán bầy đàn APF Trường nhân tạo vi CHƯƠNG 1: MỤC TIÊU MỤC TIÊU Hiểu giải thuật PSO Hiểu phương pháp tránh va trạm sử dụng APF Tích hợp APF với giải thuật tìm kiếm PSO Ứng dụng PSO-APF vào hệ thống MRS So sánh rút kết luận với hệ thống MRS sử dụng PSO sử dụng PSO-APF CHƯƠNG 2: NỘI DUNG 2.1 GIỚI THIỆU VỀ PSO 2.1.1 PSO CỔ ĐIỂN PSO kết mơ hình hóa việc đàn chim bay tìm kiếm thức ăn thường xếp vào loại thuật tốn có sử dụng trí tuệ bầy đàn Được giới thiệu vào năm 1995 tai hội nghị IEEE James Kennedy kỹ sư Russell C Eberhart Thuật tốn có nhiều ứng dụng quan trọng tất lĩnh vực mà đòi hỏi phải giải tồn tối ưu hóa [1] Để hiểu rõ thuật tốn PSO xem ví dụ đơn giản trình tìm kiếm thức an đàn chim Khơng gian tìm kiếm thức ăn lúc tồn không gian ba chiều mà sinh sống Tại thời điểm bắt đầu tìm kiếm đàn bay theo hướng đó, ngẫu nhiên Tuy nhiên sau thời gian tìm kiếm số cá thể đàn bắt đầu tìm nơi chứa thức ăn Tùy theo số lượng thức ăn vừa tìm kiếm, mà cá thể gửi tín hiệu đến tồn quần thể Dựa vào thơng tin nhận cá thể điều chỉnh hướng bay vận tốc theo hướng nơi có nhiều thức an Cơ chế truyền tin thường xem kiểu hình trí tuệ bầy đàn Cơ chế giúp chim tìm nơi có nhiều thức ăn khơng gian tìm kiếm vơ rộng lớn 2.1.2 LÝ THUYẾT VỀ PSO PSO khởi tạo nhóm cá thể ngẫu nhiên tìm kiếm cực trị việc cập nhập thể hệ Trong lần thực cá thể cập nhập hai giá trị “pbest” “gbest” Pbest: giá trị nhỏ thời điểm Gbest: nghiệm tốt mà cá thể lân cận đạt thời điểm Nói cách khác, cá thể quần thể cập nhật vị trí theo vị trí tốt cá thể quần thể tính tới thời điểm Công thức : Vận tốc vị trí cá thể tính sau : vik+1 = w.vik + c1.rand1().(pbesti – xik) + c2.rand2().(gbest – xik) 1.1 xik+1 = xit + vik+1 1.2 Trong : Xik : Vị trí cá thể thứ i hệ thứ k Vik : Vận tốc cá thể i hệ thứ k Xik : Vị trí cá thể thứ i hệ k +1 Vik : Vận tốc cá thể i hệ thứ k + Pbesti : Vị trí tốt cá thể thứ i Gbesti : Vị trí tốt cá thể quần thể c1, c2 : hệ số gia tốc rand1, rand2 : số ngẫu nhiên 2.1.3 GIẢ LẬP CODE PSO Mỗi cá thể đàn Khởi tạo vị trí ban đầu Kết thúc Lặp Mỗi cá thể đàn Tính giá trị hàm mục tiêu Nếu giá trị hàm mục tiêu tốt giá trị hàm mục tiêu trước (pbest) Thì lấy pbest giá trị hàm mục tiêu Kết thúc Chọn cá thể có giá trị hàm mục tiêu tốt cá thể làm gbest Cho cá thể Tính vận tốc cá thể thơng qua phương trình 1.1 Cập nhập vị trí cá thể thơng qua phương trình 1.2 Kết thúc 2.2 DUY TRÌ KẾT NỐI TRONG ĐÀN TÌM KIẾM 2.2.1: LÝ THUYẾT VỀ LIÊN KẾT ĐỒ THỊ Chúng ta có đàn N cá thể, cá thể đàn coi điểm Nếu khoảng cách hai cá thể đàn không vượt giá trị cho trước coi y coordinator Hình 3.2: trình tìm kiếm bước Hình 3.3: trình tìm kiếm bước 100 y coordinator Hình 3.4: Quá trình tìm kiếm bước 200 Hình 3.5: đồ thị biểu thị kết giá trị trung bình đàn (màu xanh) giá trị tốt robot (màu đó) 10 Hình 3.6: biểu đồ thể liên kết robot 3.1.1: Mô với PSO-APF với hàm sphere 11 Hình 3.7: Quá trình tìm kiếm bước Step: Best Value = 2737.193 50 -50 -50 x coordinator Hình 3.8: trình tìm kiếm bước 100 12 50 Hình 3.9: trình tìm kiếm bước 200 Hình 3.10: đồ thị biểu thị kết giá trị trung bình đàn (màu xanh) giá trị tốt robot (màu đó) Algebraic Connectivity 4.5 3.5 2.5 1.5 50 100 Step 13 150 200 Hình 3.11:B đồ thể liên kết robot 3.1.3: Mô với PSO với hàm rosenbrock Hình 3.12: Hình dạng hàm rosenbrock Step: Best Value = 1080.6438 y coordinator 50 -50 -50 x coordinator 14 50 Hình 3.13: Quá trình tìm kiếm bước Step: 100 Best Value = 0.02514 50 -50 -50 x coordinator y coordinator Hình 3.14: Quá trình tìm kiếm bước 100 15 50 Hình 3.15: Quá trình tìm kiếm bước 200 Mean of fitness vs Best fitness 2500 Best Fitness Mean Fitness 2000 Fitness 1500 1000 500 0 20 40 60 80 100 Step 120 140 160 180 200 Hình 3.16: Đồ thị biểu thị kết giá trị trung bình đàn (màu xanh) giá trị tốt robot (màu đó) 16 Hình 3.17: Biểu đồ thể liên kết robot y coordinator 3.1.4: Mô với PSO-APF với hàm rosenbrock Hình 3.18: Quá trình tìm kiếm bước Step: 100 Best Value = 4.3656 50 -50 -50 x coordinator 17 50 Hình 3.19: Quá trình tìm kiếm bước 100 Hình 3.20: trình tìm kiếm bước 200 Mean of fitness vs Best fitness 2500 Best Fitness Mean Fitness 2000 1500 1000 500 0 20 40 60 80 100 Step 18 120 140 160 180 200 Hình 3.21: đồ thị biểu thị kết giá trị trung bình đàn (màu xanh) giá trị tốt robot (màu đó) So sánh kết thu hai hình 3.21 3.16 thấy rằng, PSO-APF cho khả hội tụ chậm PSO ban đầu Tuy nhiên, kết phản ảnh thực tế vấn đề trì kết nối tránh vật cản cân nhắc thêm vào PSO Khi đó, robot cần giữ khoảng cách định định vị xác mục tiêu cần thêm số vòng lặp Hình 3.22: biểu đồ thể liên kết robot Kết hình 3.22 so với 3.17 rằng, sau tích hợp PSO-APF, hệ thống MRS có khả trì kết nối tốt, khơng bị tình trạng kết nối mạng hệ thống 19 3.2 SO SÁNH PSO VÀ PSO-APF 3.2.1: SO SÁNH VỀ LIÊN KẾT GIỮA CÁC ROBOT Hình 3.22 : liên kết robot sử dụng PSO PSO-APF So sánh : nhìn vào hình 3.22 thấy sử dụng pso thơng thường robot chuyển động khoảng từ bước 30 đến 130 robot liên kết sử dụng PSO-APF robot khơng liên kết với 20 3.2.1: SO SÁNH VỀ MỨC ĐỘ VA CHẠM KHI SỬ DỤNG PSO VÀ PSOAPF PSO PSO-APF 100 200 Hình 3.23 so sánh mức độ va chạm thuật toán PSO PSO-APF Nhận xét : dù xuất phát vị trí với thuật tốn sử dụng PSOAPF đàn tìm kiếm khơng va chạm vào 21 CHƯƠNG 4: KẾ: KNG t4.1 K.1 NG t Luận văn kết hợp hai giải thuật PSO APF để ứng dụng tìm kiếm cho hệ thống đa robot (MRS) Sự kết hợp hai giải thuật mơ q trình tìm kiếm tự nhiên Sự trì kết nối phần từ đàn bảo đảm Các cá thể đàn khơng va chạm vào Tìm mục tiêu ĐỊNH HƯỚNG PHÁT TRIỂN Kết mô đáp ứng thành cơng hai mong muốn trì kết nối tránh va trạm cá thể bầy đàn, tốc độ hội tụ thấp dẫn đến khả tìm kiếm khơng đáp ứng vấn đề thời gian Nên cần nghiên cứu cải thiện thuật toán để đáp ứng thực tiễn tốt 22 TÀI LIỆU THAM KHẢO [1] Kennedy, J.; Eberhart, R (1995) "Particle Swarm Optimization" Proceedings of IEEE International Conference on Neural Networks IV pp 1942– 1948 doi:10.1109/ICNN.1995.488968 [2] O Khatib, Real-time Obstacle Avoidance for Manipulators and Mobile Robots, Int J Rob Res 1986, 5, 90-99 [3] Trung Dung Ngo, “LinkMind: Link Optimization in Swarming Mobile Sensor Networks” [4] William M Spears, Diana F Spears, Jerry C.Hamman, and Rodney Heil, Distributed, PhysicsBased Control of Swarm of Vehicles, Automation Robots 17, 137-162, 2004, Kluwer Acedemic Publishers, Manufactured in the Netherlands [5] Yan Yongjie, and Zhang Yan, Collision Avoidance Planning in Multi-Robot based on improved Artificial Potential Field and Rules, Proceedings of the 2008 IEEE International Conference on Robotics and Biometics, Bangkok, Thailand, February 21-26-2009 23 ... vị trí với thuật tốn sử dụng PSOAPF đàn tìm kiếm khơng va chạm vào 21 CHƯƠNG 4: KẾ: KNG t4.1 K.1 NG t Luận văn kết hợp hai giải thuật PSO APF để ứng dụng tìm kiếm cho hệ thống đa robot (MRS)... sánh mức độ va chạm thuật toán PSO PSO-APF .25 v KÝ HIỆU VIẾT TẮT MRS Hệ thống đa robot PSO Thuật toán bầy đàn APF Trường nhân tạo vi CHƯƠNG 1: MỤC TIÊU MỤC TIÊU Hiểu giải thuật PSO Hiểu phương... phương pháp tránh va trạm sử dụng APF Tích hợp APF với giải thuật tìm kiếm PSO Ứng dụng PSO-APF vào hệ thống MRS So sánh rút kết luận với hệ thống MRS sử dụng PSO sử dụng PSO-APF CHƯƠNG 2: NỘI