Двухуровневый эволюционный подход к маршрутизации группы подводных роботов в условиях периодической ротации состава
Ключевые слова:
автономные подводные роботы, групповое управление, задача составления расписания, задача маршрутизации транспорта, эволюционные алгоритмыАннотация
Применение скоординированных групп автономных подводных роботов представляется наиболее перспективной и многообещающей технологией, обеспечивающей решение самого широкого спектра океанографических задач. Групповое выполнение комплексных широкомасштабных миссий, как правило, связано с длительным пребыванием роботов в заданной акватории, что в условиях ограниченной энергоемкости аккумуляторных батарей возможно только при наличии специализированных док-станций для ее пополнения. С целью обеспечения высокого уровня работоспособности действующей группировки возникают две параллельные задачи: эффективно распределить задания миссии между членами группы и определить порядок подзарядки роботов на длительном промежутке времени. При этом необходимо учитывать, что реальные робототехнические системы функционируют в динамической подводной среде, а значит, могут подвергаться влиянию непредвиденных событий и различного рода неполадок.
В данной статье предлагается двухуровневый подход к динамическому планированию групповой стратегии, основанный на декомпозиции миссии на последовательность рабочих периодов с обязательным сбором действующей группировки по окончанию каждого из них. Задача планировщика на верхнем уровне заключается в составлении такого расписания циклов зарядки для всех аппаратов в группе, которое обеспечивало бы своевременное пополнение батарей при недопущении одновременной зарядки большого количества роботов. На основе выбранного расписания осуществляется декомпозиция миссии таким образом, чтобы каждый сбор группы сопровождался либо выходом робота из группы для осуществления подзарядки, либо возвращением в группу уже заряженного аппарата. Такая схема позволяет отслеживать статус группы и осуществлять оперативное перепланирование при изменении ее состава. Маршрутизация группы на каждом рабочем периоде осуществляется низкоуровневым планировщиком, работающим на графе целей и учитывающим технические возможности всех аппаратов в группе, а также все действующие ограничения и требования к выполнению конкретных задач. В статье предлагается эволюционный подход к децентрализованной реализации обоих планировщиков с применением специализированных эвристик, процедур улучшения решений и оригинальных схем кодирования и оценки решений; приводятся результаты вычислительных экспериментов.
Литература
2. Deng Y., Beaujean P.P.J., An E., Carlson E. Task allocation and path planning for collaborative AUVs operating through an underwater acoustic network // OCEANS 2010 MTS/IEEE SEATTLE. 2010. pp. 1–9.
3. Агеев М.Д. и др. Автономные подводные роботы. Системы и технологии // М.: Наука. 2005. 398 с.
4. Zadeh S.M., Powers D.M.W., Yazdani A.M. Development of an Autonomous Reactive Mission Scheduling and Path Planning (ARMSP) Architecture Using Evolutionary Algorithms for AUV Operation in a Sever Ocean Environment // Computing Research Repository. 2016. 22 p.
5. Kenzin M.Yu., Bychkov I.V., Maksimkin N.N. A hybrid approach to solve the dynamic patrol routing problem for group of underwater robots // 39th International Convention on Information and Communication Technology, Electronics and Microelectronics (MIPRO). 2016. pp. 1114–1119.
6. Zeng Z. et al. Path planning for rendezvous of multiple AUVs operating in a variable ocean // 2014 IEEE 4th Annual International Conference on Cyber Technology in Automation, Control, and Intelligent Systems. 2014. pp. 451–456.
7. Kenzin M.Yu., Bychkov I.V., Maksimkin N.N. Hybrid evolutionary approach to multi-objective mission planning for group of underwater robots // International Conference on Computational and Information Technologies in Science, Engineering and Education. 2015. pp. 73–84.
8. Kenzin M., Bychkov I., Maksimkin N. Task allocation and path planning for network of autonomous underwater vehicles // International Journal of Computer Networks & Communications (IJCNC). 2018. vol. 10. no. 2. pp. 33–42.
9. Ozaslan T. et al. Inspection of penstocks and featureless tunnel-like environments using micro UAVs // Field and Service Robotics. 2015. pp. 123–136.
10. Christofides N. The Vehicle Routing Problem // Revue Française d'Automatique, Informatique, Recherche Opérationelle: Recherche Opérationelle. 1976. vol. 10(V1). pp. 55–70.
11. Chevaleyre Y. Theoretical Analysis of the multi-agent patrolling problem // Proceedings of the IEEE/WIC/ACM International Conference on Intelligent Agent Technology. 2004. pp. 302–308.
12. Basilico N., Gatti N., Villa F. Asynchronous multi-robot patrolling against intrusions in arbitrary topologies // Proceedings of the 24th AAAI Conference on Artificial Intelligence. 2010. pp. 1224–1229.
13. Fargeas J.L., Hyun B., Kabamba P., Girard A. Persistent visitation under revisit constraints // 2013 International Conference on Unmanned Aircraft Systems (ICUAS). 2013. pp. 952–957.
14. Stump E., Michael N. Multi-robot persistent surveillance planning as a Vehicle Routing Problem // 2011 IEEE International Conference on Automation Science and Engineering. 2011. vol. 1. pp. 569–575.
15. Manyam S.G. et al. Multi-UAV routing for persistent intelligence surveillance & reconnaissance missions // 2017 International Conference on Unmanned Aircraft Systems (ICUAS). 2017. pp. 573–580.
16. Leahy K. et al. Persistent surveillance for unmanned aerial vehicles subject to charging and temporal logic constraints // Autonomous Robots. 2016. vol. 40. no. 8. pp. 1363–1378.
17. Drucker N., Penn M., Strichman O. Cyclic Routing of Unmanned Aerial Vehicles // 13th International Conference on Integration of AI and OR Techniques in Constraint Programming (CPAIOR 2016). 2016. vol. 9676. pp. 125–141.
18. Hartl R.F., Hasle G., Janssens G.K. Special Issue on Rich Vehicle Routing Problems // Central European Journal of Operations Research. 2006. vol. 14. no. 2. pp. 103–104.
19. Вершинин А.С. Экспериментальная оценка скорости передачи данных макета гидроакустического модема // Труды СПИИРАН. 2016. Вып. 3(46). С. 40–48.
20. Каляев А.И., Каляев И.А. Метод децентрализованного управления группой роботов при выполнении потока заданий // Робототехника и техническая кибернетика. 2015. Вып. 1(6). С. 26–35.
21. Sempe F., Munoz A., Drogoul A. Autonomous Robots Sharing a Charging Station with no Communication: a Case Study // Distributed Autonomous Robotic Systems. 2002. vol. 5. pp. 91–100.
22. Calis B.¸ Bulkan S. A research survey: review of AI solution strategies of job shop scheduling problem // Journal of Intelligent Manufacturing. 2015. vol. 26. no. 5. pp. 961–973.
23. Vincent L., Durai C. A survey on various optimization techniques with respect to fexible job shop scheduling // International Journal of Scientifc and Research Publications. 2014. vol. 4. no. 3. pp. 1–7.
24. Amjad M.K. et al. Recent Research Trends in Genetic Algorithm Based Flexible Job Shop Scheduling Problems // Mathematical Problems in Engineering. 2018. vol. 2018. pp. 1–32.
25. Liu C., Coombes M., Li B., Chen W-H. Enhanced situation awareness for unmanned aerial vehicle operating in terminal areas with circuit flight rules // Proceedings of the Institution of Mechanical Engineers, Part G: Journal of Aerospace Engineering. 2016. vol. 230. no. 9. pp. 1683–1693.
26. Laporte G., Ropke S., Vidal T. Chapter 4: Heuristics for the Vehicle Routing Problem // Vehicle Routing: Problems, Methods, and Applications, Second Edition. 2014. pp. 87–116.
27. Braysy O., Gendreau M. Vehicle routing problem with time windows, part I: route construction and local search algorithms // Transportation science. 2005. vol. 39. no. 1. pp. 104–118.
28. Koc C., Bektas T., Jabali O., Laporte G. Thirty years of heterogeneous vehicle routing // European Journal of Operational Research. 2016. vol. 249. no. 1. pp. 1–21.
29. Пшихопов В.Х., Медведев М.Ю. Групповое управление движением мобильных роботов в неопределенной среде с использованием неустойчивых режимов // Труды СПИИРАН. 2018. Вып. 5(60). С. 39–63.
30. Yong M. Solving vehicle routing problem with time windows with hybrid evolutionary algorithm // 2010 Second WRI Global Congress on Intelligent Systems (GCIS). 2010. vol. 1. pp. 335–339.
31. Affi M., Derbel H., Jarboui B. Variable neighborhood search algorithm for the green vehicle routing problem // International Journal of Industrial Engineering Computations. 2018. vol. 9. no. 2. pp. 195–204.
Опубликован
Как цитировать
Раздел
Copyright (c) 2019 Игорь Вячеславович Бычков, Максим Юрьевич Кензин, Николай Николаевич Максимкин
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
Авторы, которые публикуются в данном журнале, соглашаются со следующими условиями: Авторы сохраняют за собой авторские права на работу и передают журналу право первой публикации вместе с работой, одновременно лицензируя ее на условиях Creative Commons Attribution License, которая позволяет другим распространять данную работу с обязательным указанием авторства данной работы и ссылкой на оригинальную публикацию в этом журнале. Авторы сохраняют право заключать отдельные, дополнительные контрактные соглашения на неэксклюзивное распространение версии работы, опубликованной этим журналом (например, разместить ее в университетском хранилище или опубликовать ее в книге), со ссылкой на оригинальную публикацию в этом журнале. Авторам разрешается размещать их работу в сети Интернет (например, в университетском хранилище или на их персональном веб-сайте) до и во время процесса рассмотрения ее данным журналом, так как это может привести к продуктивному обсуждению, а также к большему количеству ссылок на данную опубликованную работу (Смотри The Effect of Open Access).