Отправьте статью сегодня! Журнал выйдет ..., печатный экземпляр отправим ...
Опубликовать статью

Молодой учёный

Метод оптимизации модели мобильного робота для системы эволюционного моделирования

1. Информатика и кибернетика
239
Поделиться
Библиографическое описание
Нго, Куан Хоай. Метод оптимизации модели мобильного робота для системы эволюционного моделирования / Куан Хоай Нго, О. А. Шабалина. — Текст : непосредственный // Технические науки в России и за рубежом : материалы I Междунар. науч. конф. (г. Москва, май 2011 г.). — Москва : Ваш полиграфический партнер, 2011. — С. 17-20. — URL: https://moluch.ru/conf/tech/archive/3/698/.

Эволюционные алгоритмы широко применяются на этапе конструирования мобильных роботов. В результате работы алгоритмов получаются файлы с моделями. Модель представляет собой структуру мобильного робота, которая описывается с двух точек зрения: с точки зрения кинематической структуры, с точки зрения системы управления.

Проанализировав эволюционные системы, установлено, что в модели робота существует избыточные компоненты, что приводит к следующим недостаткам:

  • отсутсвие средств анализа моделей;
  • большие временные затраты для анализа модели;
  • неудобство визуализации модели в пространстве.

Таким образом, с учетом выявленных недостатков, необходимо разработать иную систему для оптимизации моделей, полученных в результате работы эволюционных методов. В этой системе необходимо использовать методы оптимизации для повышения эффективности работы системы эволюционного моделирования:

  • разработка подсистемы анализа моделей;
  • минимизация количества вершин и связей;
  • минимизация площади изображения;
  • минимизация вершин, влияние которых на выходные значения не превышает заданной погрешности.
В результате работы был написан модуль, позволяющий:
  • визуализировать модели мобильных роботов на графе;

  • осуществлять "слепые" вершин (вершины, не имеющие путей к выходным вершинам);

  • отсечь вершины, влияние которых на выходные значения не превышает заданной погрешности.

Разработка модуля оптимизации модели мобильных роботов

В процессе автоматизированного синтеза, система выполняет три главные функции: оптимицация модели робота, визуализация модели мобильных роботов, сохранение файла после оптимизации.

В системе реализованы следующие основные функции:

  1. Оптимицация модели робота
  • отсечение маловажных вершин – вершин, не имеющих путей к выходным вершинам;
  • отсечение вершин, влияние которых на выходные значения не превышает заданной погрешности.
  1. Визуализация модели мобильных роботов
  • изображать на 2D-графике модели робота с характеристиками и изображениями и связи между ними;
  • изображать на матрице смежности количество связей между двумя моделями;
  • изображать на матрице инциденций направление связей.

Визуализация модели мобильных роботов на графе

При изображении графов чаще всего используется следующая система обозначений: каждой вершине сопоставляется точка на плоскости, и если между вершинами существует ребро, то соответствующие точки соединяются отрезком. В случае ориентированного графа отрезки заменяют стрелками.

Не следует путать изображение графа с собственно графом (абстрактной структурой), поскольку одному графу можно сопоставить не одно графическое представление. Изображение призвано лишь показать, какие пары вершин соединены рёбрами, а какие — нет. Часто на практике бывает трудно ответить на вопрос, являются ли два изображения моделями одного и того же графа или нет. В зависимости от задачи, одни изображения могут давать более наглядную картину, чем другие.

Система должна прочитать из исходных файлов список вершин и список связей, такие списки будут изображаться на матрице смежности и на матрице инциденций, после этого система должна расположить вершины и связи на графе.

Визуализация графов отображает связи между элементами роботов, т.е. на графе должен описать элементы роботов, включающие параметры, физический размер и связи между элементами — результаты присоединения.



Рисунок 2 - Структура описания визуализация графов

Для визуализации графов необходимо узнать:

  • количество связей между двумя моделями;
  • направление связей.

При решении этой задачи используются следующие способы описания графа: матрица инциденций, матрица смежности.

Графы, как правило, отображаются графически при помощи точек для представления вершин и отрезков, или ломаных, для отображения рёбер между связанными вершинами. Ориентация ребра отображается при помощи стрелки. Для каждого графа существует множество различных способов его отображения. Более конкретно, важно расположение этих вершин и рёбер, удобство восприятия, использования, стоимость создания и эстетические критерии.

Оптимизации модели робота

Дан ориентированный граф G, множество вершин которого V и множество рёбер - E. Петли и кратные рёбра допускаются. Обозначим через n количество вершин графа, через mколичество рёбер. Требуется найти все пути между двумя заданными вершинами и отсечение вершин, не имеющих путей к выходным вершинам.

Как известно, имеет значение выбор критерия оптимальности. При решении этой задачи в зависимости от цели можно опираться на различные критерии оптимальности. Мы исследовали технические, эстетические и др. критерии. Исходя из этого, чтобы соответствовать требованиям этой задачи, мы выбрали следующие критерии:

  • минимизации избыточных компонентов, которые не имеют путей к выходным компонентам;
  • минимизация компонент, влияние которых на выходные значения не превышает заданной погрешности;
  • минимизация площади изображения.

В соответствии с этими критериями модуль оптимизации модели робота должен выполнять следующие функции:

  • отсечение "слепых" вершин вершин, не имеющих путей к выходным вершинам;
  • отсечение вершин, влияние которых на выходные значения не превышает заданной погрешности.

Метод отсечения "слепых" вершин это процедура нахождения всех путей между двумя заданными вершинами. Мы используем алгоритм поиска в ширину (обход в ширину, breadth-first search) — это один из основных алгоритмов на графах.

Алгоритм работает за O(n + m), где n— число вершин, m— число рёбер.

На вход алгоритма подаётся заданный граф и номер стартовой вершины s. Граф может быть как ориентированным, так и неориентированным, для алгоритма это не важно.

Сам алгоритм можно понимать как процесс "поджигания" графа: на нулевом шаге поджигаем только вершину s. На каждом следующем шаге огонь с каждой уже горящей вершины перекидывается на всех её соседей; т.е. за одну итерацию алгоритма происходит расширение "кольца огня" в ширину на единицу (отсюда и название алгоритма).

Более строго это можно представить следующим образом. Создадим очередь , в которую будут помещаться горящие вершины, а также заведём булевский массив used[], в котором для каждой вершины будем отмечать, горит она уже или нет (или иными словами, была ли она посещена).

Изначально в очередь помещается только вершина , и used[s] = true, а для всех остальных вершин used[s] = false. Затем алгоритм представляет собой цикл: пока очередь не пуста, достать из её головы одну вершину, просмотреть все рёбра, исходящие из этой вершины, и если какие-то из просмотренных вершин ещё не горят, то поджечь их и поместить в конец очереди.

В результате поиска в ширину находятся все пути между двумя заданными вершинами в ориентированом графе.


(1) – Если верши на совпадает с конечной вершиной.
(2) – Если значение вершинные значения равны нулю и вершина непроверенных.

Рисунок 4 – Метод отсечения "слепых" вершин


Литература:

  1. Робототехника [Электронный ресурс]. – 2006. – Режим доступа: http://www.prorobot.ru/12/robot-it-is.php
  2. Робот [Электронный ресурс]. – 2008. – Режим доступа: http://ru.wikipedia.org/wiki/%D0%A0%D0%BE%D0%B1%D0%BE%D1%82
  3. Робот для программиста [Электронный ресурс]. – 2007. – Режим доступа: http://robot.paccbet.ru/robot_for_programmer.php.htm
  4. Алгоритм поиска пути для роботов [Электронный ресурс]. – 2007. – Режим доступа: http://robot.paccbet.ru/robot_path.php.htm
  5. Финн, В.К. Правдоподобные выводы и правдоподобные рассуждения / В.К.Финн. – М.: ВИНИТИ, 1988. - Т. 28. – 180 с. – (Итоги науки и техники. Сер. «Теория вероятностей. Математическая статистика. Теоретическая кибернетика»).
  6. Искусственный интеллект. В 3 т. Т. 2. Модели и методы: справочник/ под ред. Д. А. Поспелова. – М.: Радио и связь, 1990. – 304 с.


Можно быстро и просто опубликовать свою научную статью в журнале «Молодой Ученый». Сразу предоставляем препринт и справку о публикации.
Опубликовать статью

Молодой учёный