Cải tiến giải thuật đàn ong nhân tạo để lập lịch đường đi cho robot di động

Bài viết Cải tiến giải thuật đàn ong nhân tạo để lập lịch đường đi cho robot di động trình bày việc cải tiến giải thuật bầy ong nhân tạo (Improved Artificial Bee Colony Algorithm viết tắt, IABC) để tìm ra một hay nhiều tuyến đường khả thi và ngắn nhất cho robot di động di chuyển từ một điểm đầu đến một điểm đích không va chạm, trong môi trường tĩnh 2D có chướng ngại vật.

Tuyển tập Hội nghị Khoa học thường niên năm 2021 ISBN: 978-604-82-5957-0 CẢI TIẾN GIẢI THUẬT ĐÀN ONG NHÂN TẠO ĐỂ LẬP LỊCH ĐƯỜNG ĐI CHO ROBOT DI ĐỘNG Trần Thị Cẩm Giang Trường Đại học Thủy lợi, email: giangttc@tlu.edu.vn GIỚI THIỆU Robot di động sử dụng rộng rãi nhiều lĩnh vực thay người nông nghiệp, công nghiệp, cứu hộ cứu nạn, thăm dị, khai phá vũ trụ Bài tốn lập lịch đường cho robot di động tìm hay nhiều tuyến đường khả thi, an toàn ngắn để tối ưu hóa tiêu thụ lượng vấn đề then chốt Mục tiêu đặt tối ưu hóa tiêu thụ nặng lượng chi phí sử dụng, tối đa hóa lợi nhuận, hiệu tính xác cho robot [1, 2, 3] Các thuật tốn tìm kiếm cổ điển khơng thể giải toán thời gian giới hạn, mơi trường có chướng ngại vật Khi việc sử dụng thuật toán xấp xỉ lựa chọn phù hợp để tìm thấy lời giải gần tối ưu Bài báo cải tiến giải thuật bầy ong nhân tạo (Improved Artificial Bee Colony Algorithm viết tắt, IABC) để tìm hay nhiều tuyến đường khả thi ngắn cho robot di động di chuyển từ điểm đầu đến điểm đích khơng va chạm, mơi trường tĩnh 2D có chướng ngại vật Hiệu giải thuật IABC so sánh với giải thuật trước ABC tảng sử dụng phân rã đồ giải thuật Maklink Các kết thực nghiệm chứng tỏ hiệu giải thuật đề xuất IABC tốt giải thuật ABC [1] KIẾN THỨC NỀN TẢNG 2.1 Đồ thị Maklink Phương pháp mơ hình hóa mơi trường Maklink phương pháp tiếp cận theo không gian trống chướng ngại vật môi trường, để xây dựng đồ thị đỉnh hỗ trợ việc tạo đường không va chạm với chướng ngại vật [2] Đồ thị xây dựng cách sử dụng trung điểm đường liên kết tự (Hình 1a) Các điểm tương ứng với nút (đỉnh) đồ thị đường nối chúng cung đồ thị (Hình 1b) a) b) Hình Đồ thị Maklink 2.2 Giải thuật tối ưu hóa đàn ong nhân tạo Thuật toán đề xuất Karaboga vào năm 2005 [1] Ý tưởng thuật toán nguồn thức ăn, trình tìm kiếm, ong thay đổi vị trí nguồn thức ăn thành vị trí nguồn thức ăn tốt Giải thuật ABC có ba loại ong: ong làm việc, ong giám sát ong trinh sát Những ong làm việc tìm kiếm nguồn thức ăn, tìm thức ăn chia sẻ thông tin nguồn thức ăn cho ong giám sát Ở tổ ong giám sát chờ thơng báo vị trí số mật nguồn thức ăn vừa tìm Ong quan sát chọn nguồn thức ăn tốt từ nguồn thức ăn tìm thấy Nguồn thức ăn tốt ong quan sát lựa chọn Ong trinh sát có nhiệm vụ loại bỏ nguồn thức ăn khơng thể cải tiến tìm kiếm nguồn thức ăn [1] 68 Tuyển tập Hội nghị Khoa học thường niên năm 2021 ISBN: 978-604-82-5957-0 Hàm đánh giá nguồn thức ăn tính sau:  Tìm nguồn thức ăn mới: vij = xij + Øij(xij – kij)  Tính xác suất đường fit Probi = fit  Tìm đường xij= minj + α(maxj – minj)  Tính giá trị hàm đánh giá:  1  fi ( fi  )  fiti=   ( fi  ) 1 | fi | Trong đó: xij: đường chọn để thay đổi; kij: điểm lân cận; Ø: giá trị ngẫu nhiên khoảng [-1,1]; fi: chi phí hàm mục tiêu; fiti: giá trị fitness nguồn thức ăn thứ i; maxj minj : ràng buộc x; α: giá trị ngẫu nhiên khoảng [0,1] 2.3 Hàm đánh giá Độ dài đường Pa ngắn nhất: Length(Pa) =  in0 diS( P0 ,Pn ) GIẢI THUẬT ĐỀ XUẤT IABC Đầu vào:  Tập m chướng ngại vật {Oi} có tọa độ k đỉnh Oi = {Vj} ( < i ≤ m, < j ≤ k)  Điểm bắt đầu S điểm đích T Đầu ra:  Đường Pa = ( P0, P1,…, Pn) mà robot cần tìm độ dài đường Lưu đồ giải thuật cải tiến (Hình 2): Những điểm cải tiến:  Tìm n đường ngẫu nhiên từ điểm đầu đến điểm kết thúc Tính độ dài đường đi, tính fitness cho đường  Đưa giải pháp cho ong trinh sát So sánh độ dài đường lưu lại nguồn thức ăn tốt KẾT QUẢ THỰC NGHIỆM Bài báo thực ba thực nghiệm sau để phân tích hiệu giải thuật ABC IABC dựa vào độ đo thời gian chạy trung bình giải thuật (Ttb), độ dài trung bình (Ttb) tỉ lệ thành cơng trung bình (Tltb): Thực nghiệm 1: Phân tích ảnh hưởng hình dạng chướng ngại vật Thực nghiệm 2: Phân tích ảnh hưởng mật độ ong 4.1 Ảnh hưởng hình dạng chướng ngại vật Có liệu khác dụng thực nghiệm Tuy nhiên, môi trường làm việc Robot phức tạp bao gồm nhiều chứng ngại vật đa giác lồi lõm để bẫy Robot, nhằm kiểm tra khả tìm đường Robot mơi trường khó Kết Hình Bảng thực nghiệm cho thấy hai giải thuật chạy ổn định với hình dạng dễ hình tam giác, hình chữ nhật hình tứ giác Tuy nhiên, chướng ngại vật hình chữ T chữ U có tỉ lệ thành cơng 80% Hình Kết thực nghiệm Hình Lưu đồ giải thuật cải tiến IABC Từ kết Hình cho thấy, giải thuật IABC có cải thiện rõ chiều dài 69 Tuyển tập Hội nghị Khoa học thường niên năm 2021 ISBN: 978-604-82-5957-0 đường trường hợp hình dạng chướng ngại vật khác nhau, mơi trường có chung điểm xuất phát điểm đích khác mật độ vị trí chướng ngại vật Bảng So sánh giải thuật ABC IABC thực nghiệm Bộ liệu Bộ liệu Bộ liệu Bộ liệu Bộ liệu Bộ liệu Giải thuật Ttb (ms) Ltb tìm Tltb ABC 331 123 100 % IABC 331 122 100 % ABC 451 126 100 % IABC 451 117 100 % ABC 290 134 100 % IABC 290 132 100 % ABC 594 139 80 % IABC 594 135 80 % ABC 316 151 80 % IABC 316 133 80 % Sự tăng dần mật độ ong tỉ lệ thành công hai giải thuật thấp chênh lệch hai giải thuật IABC ABC bị rút ngắn Nhưng dựa vào kết thực nghiệm, ta thấy cải thiện rõ ràng với mật độ đàn ong (10, 20) độ dài đường giải thuật IABC so với giải thuật ABC Bảng So sánh giải thuật ABC IABC thực nghiệm Giải thuật Ttb (ms) Ltb Tltb ABC 319 111 100 % IABC 319 111 100 % ABC 319 111 100 % IABC 319 111 100 % Bộ liệu ABC (10 ong) IABC 531 168 100 % 531 106 100 % Bộ liệu ABC (20 ong) IABC 1447 139 100 % 1447 136 100 % Bộ liệu ABC (50 ong) IABC 5958 153 70 % 5958 142 70 % Bộ liệu ABC 27015 (100 ong) IABC 27015 153 40 % 153 40 % Bộ liệu Bộ liệu (5 ong) Bộ liệu (5 ong) 4.2 Ảnh hưởng mật độ Ong Mật độ ong sinh ngẫu nhiên khoảng [5,100] có liệu khác thực nghiệm TÀI LIỆU THAM KHẢO Hình Kết thực nghiệm nhiều môi trường với mật độ ong [5-100] Kết thực nghiệm Hình Bảng cho thấy mật độ ong ảnh hưởng lớn kết thực nghiệm Với mật độ ong nhiều khó tìm đường đến đích hai giải thuật [1] ALPKIRAY et al, "Probabilistic Roadmap and Artificial Bee Colony Algorithm Cooperation For Path Planning", International Conference on Artificial Intelligence and Data Processing (IDAP), 2018 [2] Maki K Habib and Hajime Asama Efficient method to generate collision free paths for an autonomous mobile robot based on new free space structuring approach In IROS, volume 91, pages 563-567, 1991 [3] Zhang, H Y., Lin, W M., Chen, A X (2018) Path planning for the mobile robot: A review Symmetry, 10(10), 450 70 ...  Đường Pa = ( P0, P1,…, Pn) mà robot cần tìm độ dài đường Lưu đồ giải thuật cải tiến (Hình 2): Những đi? ??m cải tiến:  Tìm n đường ngẫu nhiên từ đi? ??m đầu đến đi? ??m kết thúc Tính độ dài đường đi, ... độ ong tỉ lệ thành cơng hai giải thuật thấp chênh lệch hai giải thuật IABC ABC bị rút ngắn Nhưng dựa vào kết thực nghiệm, ta thấy cải thiện rõ ràng với mật độ đàn ong (10, 20) độ dài đường giải. .. nghiệm Hình Lưu đồ giải thuật cải tiến IABC Từ kết Hình cho thấy, giải thuật IABC có cải thiện rõ chiều dài 69 Tuyển tập Hội nghị Khoa học thường niên năm 2021 ISBN: 978-604-82-5957-0 đường trường