Разработка и исследование распределенных алгоритмов управления системами роевого интеллекта
(Стр. 21-34)

Подробнее об авторах
Ершов Николай Михайлович кандидат физико-математических наук; старший научный сотрудник факультета вычислительной математики и кибернетики (ВМК)
Московский государственный университет имени М.В. Ломоносова
Москва, Российская Федерация
Чтобы читать текст статьи, пожалуйста, зарегистрируйтесь или войдите в систему
Аннотация:
Темой настоящей работы является разработка и исследование распределенных алгоритмов для организации коллективного поведения в роевых робототехнических системах с целью решения этими системами различных прикладных задач. На примере решения задачи коллективной уборки заданной территории в работе строятся и исследуются несколько роевых алгоритмов, основанных на классических роевых моделях: модели случайного блуждания, модели Рейнолдса, алгоритме бактериального поиска, методе стохастического градиента. Приводятся результаты численных экспериментов по сравнению эффективности предлагаемых методов.
Образец цитирования:
Ершов Н.М., (2022), РАЗРАБОТКА И ИССЛЕДОВАНИЕ РАСПРЕДЕЛЕННЫХ АЛГОРИТМОВ УПРАВЛЕНИЯ СИСТЕМАМИ РОЕВОГО ИНТЕЛЛЕКТА. Computational nanotechnology, 2: 21-34. DOI: 10.33693/2313-223X-2022-9-2-21-34
Список литературы:
Beni G., Wang J. Swarm intelligence in cellular robotic systems, proceed. In: NATO advanced workshop on robots and biological systems. Tuscany, Italy, 1989. Pp. 703-712.
Карпенко А.П. Современные алгоритмы поисковой оптимизации. М.: Изд-во МГТУ им. Н.Э. Баумана, 2014.
Dorigo M., Gambardella L.M. Ant Colony System: A cooperative learning approach to the traveling salesman problem // IEEE Transactions on Evolutionary Computation. 1997. No. 1 (1). Pp. 53-66.
Sahin E. Swarm robotics: From sources of inspiration to domains of application. In: Swarm robotics. E. Sahin, W.M. Spears (eds.). 2005. LNCS 3342. Pp. 10-20.
Ершов Н.М. Введение в распределенное моделирование в среде NetLogo. М.: ДМК Пресс, 2018.
Wilensky U., Rand W. An introduction to agent-based modeling; Modeling natural, social, and engineered complex systems with NetLogo. Cambridge, Massachusetts: MIT Press, 2015.
Nelson E. Dynamical theories of Brownian motion, mathematical notes. Princeton University Press, 1967.
Xin-She Yang. Random walks and optimization, nature-inspired optimization algorithms. 2014. Pp. 45-65.
Reynolds C.W. Flocks, herds and schools: A distributed behavioral model // Computer Graphics. 2021. No. 4. Pp. 25-34.
Bayindir L. A Review of swarm robotics tasks // Neurocomputing. 2016. Vol. 172. Pp. 292-321.
Passino K. Biomimicry of bacterial foraging for distributed optimization and control // IEEE Control Systems Magazine. 2002. No. 22. Pp. 52-67.
Newton D., Pasupathy R., Yousefian F. Recent trends in stochastic gradient descent for machine learning and Big Data // Winter Simulation Conference. 2018. Pp. 366-380.
Berdahl A., Torney C.J., Ioannou C.C. et al. Emergent sensing of complex environments by mobile animal groups // Science. 2013. No. 339 (6119). Pp. 574-576.
Воеводин В.В., Воеводин Вл.В. Параллельные вычисления. СПб.: БХВ-Петербург, 2002.
Ключевые слова:
модели роевого интеллекта, популяционные методы оптимизации, роевая робототехника, самоорганизация.