بهبود مسیر حرکت برای سیستمهای چندعاملی در محیطهای پویا با استفاده از اتوماتای سلولی یادگیر

طرح ریزی مسیر حرکت عاملها نمونه ای از مشکلات عمده برای سیستمهای چندعاملی قلمداد میشود و وجود کمینه های محلی و هزینه محاسباتی زیاد مهمترین چالشهای پیشرو هستند. از آنجائی که اتوماتای سلولی یک مدل ذاتا موازی است و سرعت، محاسبات موازی و محلی از ویژگیهای حائز اهمیت این روش میباشد بنابراین با بکارگیری مزایای استفاده از اتوماتای سلولی یادگیر در طرح ریزی مسیر ربات ها بطور بلادرنگ میتوان بدون افزایش چشمگیر در زمان اجرای الگوریتم، نتایج بدست آمده را بهبود داد و هزینه محاسباتی را کاهش دهد. برای این کار در ابتدا ماتریس شبکه با ارزش گذاری توسط الگوی فاصله ای تشکیل می شود، این ماتریس برای مسیریابی به عنوان ماتریس مرجع عمل می کند و در واقع شبکه اتوماتای سلولی مورد نظر است. این شبکه سپس توسط دو فاکتور مسیرگرایی و زمانگرایی که از دید ارزشی شبیه ماتریس ورودی هستند و فقط با تغیر میزان فاکتور سرعت تفاوتهایشان آشکار میشوند، برای ایجاد مسیرها به کار میروند. زمانی که سرعت در یک محدوده مشخص باشد خروجی به دست امده از هر دو این مجموعه ها با هم برابر است. این خروجی در واقع مقدار مینیمم ارزش برای ان مسیر است. مسیرهای تولید شده با استفاده از ترکیب مختصات با یک شماره توصیف میشوند. با این الگوریتم پیشنهادی، مسیر مناسب و بهینه از بین تمام مسیرهای تولیدی متفاوت توسط عاملها، که به عنوان خروجی مینیمم مطلق است برای حرکت به سمت هدف، مشخص و انتخاب میشود. محیط و عاملها توسط نرم افزار MATLAB شبیه سازی گردید و نتایج نشان دادند که بهینه ترین مسیر توسط روش پیشنهادی انتخاب شد.

Keywords:

اتوماتای سلولی , سیستمهای چندعاملی , مسیریابی , محیط پوبا.