Эффективность алгоритмов кооперативной навигации групп мобильных роботов критически зависит от их гиперпараметров, оптимальные значения которых меняются в зависимости от структуры окружающей среды (например, офисной или полигональной). Ручная настройка этих параметров для каждого нового типа среды непрактична. В данной работе предлагается метод автоматической адаптации поведения группы роботов с использованием эволюционной настройки. На основе гибридной архитектуры GARCA, учитывающей цели соседей, формируется компактный вектор из шести интерпретируемых гиперпараметров. Для их оптимизации применяется генетический алгоритм с вещественным кодированием. Результаты численного эксперимента подтверждают, что эволюционная настройка позволяет автоматически находить различные стратегии поведения: "агрессивную" для структурированных офисных сред и "кооперативную" для сред с хаотичными препятствиями. Адаптированный алгоритм GARCA+ГА значительно превосходит методы с фиксированными параметрами по успешности и времени выполнения миссий.
кооперативная навигация, группа мобильных роботов, эволюционная настройка, генетический алгоритм, адаптация к среде, гиперпараметры, GARCA
1. Floreano D., Husbands P., Nolfi S. Evolutionary robotics // Springer Handbook of Robotics. – Berlin, Heidelberg: Springer, 2008. – Pp. 1423-1451. DOI: https://doi.org/10.1007/978-3-540-30301-5_62
2. Van den Berg J., Lin M., Manocha D. Reciprocal velocity obstacles for real-time multi-agent navigation // 2008 IEEE International Conference on Robotics and Automation. – 2008. – Pp. 1928-1935. DOI: https://doi.org/10.1109/ROBOT.2008.4543489
3. Заревич А. И., Макаренко Ф. В., Ягодкин А. С., Зольников К. В. Моделирование поведения мобильных роботов с использованием генетических алгоритмов // Моделирование систем и процессов. – 2022. – Т. 15, № 3. – С. 7-16. DOI: https://doi.org/10.12737/2219-0767-2022-15-3-7-16
4. Karaman S., Frazzoli E. Sampling-based algorithms for optimal motion planning // The International Journal of Robotics Research. – 2011. – Vol. 30, № 7. – Pp. 846-894. DOI: https://doi.org/10.1177/0278364911406761
5. Santos F. M., Silva M. G., Moreira A. P. Hybrid RRT*-RVO for multi-robot navigation in dynamic environments // ROBOTICA. – 2019. – Vol. 37, № 9. – Pp. 1571-1587.
6. Моделирование ослабления ионизирующего излучения за счет защитного корпуса микросхем / А. В. Полуэктов, Р. Ю. Медведев, А. И. Заревич // Моделирование систем и процессов. – 2024. – Т. 17, № 2. – С. 93–100. – DOIhttps://doi.org/10.12737/2219-0767-2024-17-2-93-100. – EDN QQRQXE.
7. Регрессионный анализ оценки загрузки платного отделения стоматологической поликлиники / Т. П. Новикова, А. А. Бодин, А. И. Заревич // Научно-технический вестник Поволжья. – 2023. – № 3. – С. 77–80.
8. Применение элементов отрицательной логики при построении энергоэффективного комбинационного устройства / Ф. В. Макаренко, А. С. Ягодкин, О. А. Денисова [и др.] // Моделирование систем и процессов. – 2023. – Т. 16, № 1. – С. 56–66. – DOIhttps://doi.org/10.12737/2219-0767-2023-16-1-56-66.
9. Технология разработки RTL-модели описания изделия при разработке программно-аналитического комплекса САПР / Д. В. Шеховцов, А. М. Плотников, К. В. Зольников, А. И. Заревич // Моделирование систем и процессов. – 2023. – Т. 16, № 3. – С. 79–86. DOI: https://doi.org/10.12737/2219-0767-2023-16-3-79-86
10. Генетические алгоритмы в моделировании поведения робота / А. С. Логвиненко, Л. Ю. Смилянский, А. И. Заревич, Ф. В. Макаренко // Новые аспекты моделирования систем и процессов : материалы Междунар. науч.-практ. конф. / отв. ред. В. К. Зольников, А. И. Заревич. – Воронеж, 2023. – С. 94–103.
11. Компьютерное моделирование работы транзисторов и полупроводниковых приборов на его основе / А. В. Полуэктов, Ф. В. Макаренко, Р. Ю. Медведев // Моделирование систем и процессов. – 2023. – Т. 16, № 1. – С. 77–84. – DOIhttps://doi.org/10.12737/2219-0767-2023-16-1-77-84. – EDN LOLZMT.
12. Моделирование работы диода и оценка параметров его работы / А. В. Полуэктов, Р. Ю. Медведев, В. К. Зольников // Моделирование систем и процессов. – 2023. – Т. 16, № 1. – С. 85–93. – DOIhttps://doi.org/10.12737/2219-0767-2023-16-1-85-93. – EDN RALIJG.
13. Интеграция программного продукта Calibre в среду Cadence Virtuoso и повышение интеллектуальных свойств САПР проектировании микросхем / А. В. Полуэктов, Д. В. Шеховцов, И. В. Скоркин, П. А. Чубунов // Моделирование систем и процессов. – 2023. – Т. 16, № 4. – С. 71–80. – DOIhttps://doi.org/10.12737/2219-0767-2023-16-4-71-80. – EDN PBUJZO.
14. Использование сторонних библиотек при написании программ для обработки статистических данных / А. В. Полуэктов, Ф. В. Макаренко, А. С. Ягодкин // Моделирование систем и процессов. – 2022. – Т. 15, № 2. – С. 33–41. – DOIhttps://doi.org/10.12737/2219-0767-2022-15-2-33-41. – EDN HHYURU.
15. Экспериментальные исследования радиационного воздействия на микросхемы FRAM / В. К. Зольников, Н. Г. Гамзатов, В. И. Анциферова [и др.] // Моделирование систем и процессов. – 2022. – Т. 15, № 3. – С. 16–24. – DOIhttps://doi.org/10.12737/2219-0767-2022-15-3-16-24. – EDN UOCKEW.
16. Моделирование колебательных процессов в пакете MVSTUDIUM / А. В. Полуэктов, К. В. Зольников, В. И. Анциферова // Моделирование систем и процессов. – 2021. – Т. 14, № 4. – С. 139–148. – DOIhttps://doi.org/10.12737/2219-0767-2021-14-4-139-148. – EDN PPOUDI.
17. Аппаратно-программный комплекс для автоматизированных испытаний сильноточных преобразователей / А. И. Заревич, С. В. Муравьев, Е. В. Бедарева [и др.] // Известия Томского политехнического университета. – 2013. – Т. 322, № 4. – С. 180–184.
18. Локальная устойчивость колебаний магнетрона со связанными резонаторами / А. И. Заревич, С. С. Новиков // Вестник науки Сибири. – 2013. – № 4 (10). – С. 109–114.
