МОДЕЛЮВАННЯ ПЕРЕМІЩЕННЯ ВАНТАЖІВ НА ОСНОВІ МУРАШИНОГО АЛГОРИТМУ ЗА ДОПОМОГОЮ ГРУПИ БЕЗПІЛОТНИХ ЛІТАЛЬНИХ АПАРАТІВ
DOI:
https://doi.org/10.31649/1997-9266-2022-164-5-73-79Ключові слова:
безпілотні літальні апарати, кількість переміщених вантажів, цифровий феромон, мурашиний алгоритм, переміщення вантажівАнотація
В роботі розглянуто проблеми переміщення значної кількості однотипних вантажів, розміщених на певній території, для групування їх у єдиному місці (складі). До них варто віднести недосконалість інфраструктури, незадовільний стан транспортного обслуговування та зношеність рухомого складу, низька якість транспортних шляхів, їх перевантаженість, віддаленість точок прийому та видачі, погана організація процесу переміщення, непрогнозовані витрати тощо. Для вирішення цих проблем запропоновано використання групи безпілотних літальних апаратів та розв’язання задачі ефективного управління їх рухом, шляхом використання алгоритму стохастичної оптимізації, а саме мурашиного алгоритму ANTS.
Запропоновано вдосконалений метод мурашиного алгоритму ANTS, який використовує функцію зміни інтенсивності цифрового феромону, та, на відміну від існуючих алгоритмів, використовує не лінійне, а кубічне динамічне масштабування зміни цифрового феромону, що дозволяє зосереджуватись на пошуку не лише виключно найкоротших маршрутів, але й враховувати нові.
Проведено експериментальні дослідження з переміщення вантажів за різної кількості безпілотних літальних апаратів шляхом моделювання в середовищі WeBots, використовуючи тестові безпілотні літальні апарати Мavic 2 Рro для переміщення однотипних вантажів масою 150 грамів до єдиного центру (складу). На їхній основі проведено оцінювання ефективності переміщення вантажів, тобто встановлено залежність кількості переміщених вантажів за час виконання переміщення. Встановлено, що ефективність цього процесу збільшується зі збільшенням кількості безпілотних літальних апаратів, оскільки зменшується час виконання переміщення. Також встановлено, що з кожним подальшим збільшенням кількості безпілотних літальних апаратів приріст ефективності стає меншим через очікування в черзі на вивантаження.
Посилання
В. І. Перебийніс, і О. В. Перебийніс, Транспортно-логістичні системи підприємств: формування та функціонування. Полтава, Україна: РВВ ПУСКУ, 2005, 207 c.
Xin-She Yang, Slawomir Koziel, and Leifur Leifsson, “Computational optimization, modeling and simulation: Past, present and future,” in International Conference on Computational Science, 2014, no. 29, pp. 754-758.
Xueping Zhu, Zhengchun Liu, and Jun Yang, “Model of Collaborative UAV Swarm Toward Coordination and Control Mechanisms Study,” in International Conference On Computational Science, 2015, vol. 51, pp. 493-502.
Б. П. Книш, Я. А. Кулик, і М. В. Барабан, «Класифікація безпілотних літальних апаратів та їх використання для доставки товарів,» Вісник Хмельницького національного університету, № 3, с. 246-252, 2018.
О. Б. В’юненко, і Л. П. Воронець, Дослідження операцій. Системи масового обслуговування. Суми, Україна: СНАУ, 2008, 370 с.
H. Wang, and W. Chen, “Multi-Robot Path Planning with Due Times,” IEEE Robot, vol. 7, pр. 4829-4836, 2022.
T. Cimino, I. Tanev, and K. Shimohara, “Superadditive effect of multirobot coordination in the exploration of unknown environments via stigmergy,” Neurocomputing, vol. 148, pр. 83-90, 2015.
S. D. Shtovba, “Ant Algorithms: Theory and Applications,” Programming and Computer Software, vol. 31, pр. 167-178, 2005. https://doi.org/10.1007/s11086-005-0029-1.
W. Deng, H. M. Zhao, L. Zou, G. Y. Li, X. H. Yang, and D. Q. Wu, “A novel collaborative optimization algorithm in solving complex optimization problems,” Soft Comput., vol. 21, pp. 4387-4398, 2017.
J. Yu, X. M. You, and S. Liu, “Ant colony algorithm based on magnetic neighborhood and filtering recommendation,” Soft Comput., vol. 25, pp. 8035-8050, 2021.
Z. Gao, J. Zhu, H. Huang, Y. Yang, and X. Tan, “Ant Colony Optimization for UAV-based Intelligent Pesticide Irrigation System,” in 2021 IEEE 24th International Conference on Computer Supported Cooperative Work in Design (CSCWD)”. 2021, pp. 720-726. https://doi.org/10.1109/CSCWD49262.2021.9437825.
Hb. Duan, Xy. Zhang, and J. Wu, “Max-Min Adaptive Ant Colony Optimization Approach to Multi-UAVs Coordinated Trajectory Replanning in Dynamic and Uncertain Environments,” J. Bionic Eng, vol. 6, pp. 161-173, 2009. https://doi.org/10.1016/S1672-6529(08)60113-4 .
X. Meng, X. Zhu, and J. Zhao, “Obstacle Avoidance Path Planning Using the Elite Ant Colony Algorithm for Parameter Optimization of Unmanned Aerial Vehicles,” Arab J Sci Eng, vol. 5, pp. 159-167, 2022. https://doi.org/10.1007/s13369-022-07204-7.
Meng, Xiaoling, and Zhu Xijing, “Autonomous Obstacle Avoidance Path Planning for Grasping Manipulator Based on Elite Smoothing Ant Colony Algorithm,” Symmetry, vol. 9, pp. 195-207, 2022. https://doi.org/10.3390/sym14091843.
M. G. Cimino, A. Lazzeri, and G. Vaglini, “Using differential evolution to improve pheromone-based coordination of swarms of drones for collaborative target detection,” ICPRAM, vol. 18, pр. 605-610, 2016.
Yu. Bin, Yang Zhong-Zhena, and Yao Baozhen, “An Improved Ant Colony Optimization for Vehicle Routing Prob-lem,” European Journal of Operational Research, pp. 171-176, 2009. https://doi.org/10.1016/j.ejor.2008.02.028 .
S. C. Ho, and D. Haugland, “A tabu search heuristic for the vehicle routing problem with time windows and split deliveries,” Comput. Oper. Res., vol. 31, pp. 1947-1964, 2004.
C. Zhang, C. Hu, J. Feng, Z. Liu, Y. Zhou, and Z. Zhang, “A Self-Heuristic Ant-Based Method for Path Planning of Unmanned Aerial Vehicle in Complex 3-D Space With Dense U-Type Obstacles,” IEEE Access, vol. 7, pp. 150775-150791, 2019. https://doi.org/10.1109/ACCESS.2019.2946448 .
M. Vittorio, and C. Antonella, “An ANTS heuristic for the frequency assignment problem,” Future Generation Computer Systems, vol. 16, issue 8, pp. 927-935, 2000. https://doi.org/10.1016/S0167-739X(00)00046-7 .
V. Maniezzo, and A. Carbonaro, “An ANTS Heuristic for the Assignment Problem,” Future Generation Computer Systems, vol. 16(8), pp. 927-935, 2000.
V. Maniezzo, A. Carbonaro, and H. Hildmann, “An ANTS Heuristic for the Long-Term Car Pooling Problem,” New Optimization Techniques in Engineering. Studies in Fuzziness and Soft Computing, vol. 141, pp. 411-430, 2004.
V. Maniezzo, M. A. Boschetti, and T. Stutzle, Matheuristics. Algorithms and Implementations. Berlin, Germany: Springer, 2021, 212 p.
M. Dorigo, and L. M. Gambardella, “Ant Colony System: A Cooperative Learning Approach to the Traveling Salesman Problem,” IEEE Transactions of Evolutionary Computing, vol. 1(1), pp. 53-66, 1997.
S. Singh, S. Lu, M. M. Kokar, P. A. Kogut, and L. Martin, “Detection and classiffcation of emergent behaviors using multi-agent simulation framework (wip),” Proceedings of the Symposium on Modeling and Simulation of Complexity in Intelligent, Adaptive and Autonomous Systems, vol. 3, pр. 1-8, 2017.
D. Bloembergen, K. Tuyls, D. Hennes, and M. Kaisers, “Evolutionary dynamics of multi-agent learning: a survey,” Journal of Artiffcial Intelligence Research, vol. 53, pр. 659-697, 2015.
##submission.downloads##
-
PDF
Завантажень: 98
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
Автори, які публікуються у цьому журналі, згодні з такими умовами:
- Автори зберігають авторське право і надають журналу право першої публікації.
- Автори можуть укладати окремі, додаткові договірні угоди з неексклюзивного поширення опублікованої журналом версії статті (наприклад, розмістити її в інститутському репозиторії або опублікувати її в книзі), з визнанням її первісної публікації в цьому журналі.
- Авторам дозволяється і рекомендується розміщувати їхню роботу в Інтернеті (наприклад, в інституційних сховищах або на їхньому сайті) до і під час процесу подачі, оскільки це сприяє продуктивним обмінам, а також швидшому і ширшому цитуванню опублікованих робіт (див. вплив відкритого доступу).
