راهیابی ربات در یک محیط ناشناخته با استفاده از الگوریتم ژنتیک پیوسته یاCGA

Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 514

This Paper With 10 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

RCEITT01_055

تاریخ نمایه سازی: 11 اردیبهشت 1394

Abstract:

در این مقاله، روشی برای راهیابی ربات در محیطی ناشناخته بر پایهی روش بهینهسازی الگوریتم ژنتیک پیوسته پیشنهاد میشود. ابتدا مسألهی راهیابی ربات به یک مسألهی مینیممکردن تبدیل میشود. سپس یک تابع ارزیابی برایهر کروموزوم در الگوریتم ژنتیک، بر پایهی مکان هدف و موانع در محیط تعریف میشود. در هر بار تکرار الگوریتم، بهترین کروموزوم بهعنوان مکان هدف ربات انتخاب میشود و ربات بهترتیب به این مکانها میرسد. همچنین محیطبرای ربات کاملاً ناشناخته است و ربات تنها با سنسورهای خود تا شعاع محدودی قادر به تشخیص محیط پیرامون خود است. موانع موجود در مسیر ربات میتوانند ثابت یا متحرک باشند. رباتها و محیط با استفاده از نرمافزار ویباتز شبیهسازی شدهاند تا قوانین و شرایط موجود در دنیای واقعی بر مسأله حاکم شود. مشاهدات و تجربههای بهدست آمدهاز سیستم شبیهسازی شده نشان داد که با استفاده از این روش، ربات بدون برخوردی با موانع، مسیری بهینه تا هدف را میپیماید.

Authors

سمیرا شهرکی

دانشجوی کارشناسی ارشد مهندسی کامپیوتر گرایش هوش مصنوعی،واحد علوم و تحقیقات،دانشگاه آزاد اسلامی واحد کرمان،ایران

سولماز شهرکی

کارشناس ارشد علوم کامپیوتر گرایش محاسبات عددی،پردیس دانشگاه سیستان و بلوچستان،زاهدان،ایران

نعیمه موسوی

دانشجوی کارشناسی ارشد مهندسی کامپیوتر گرایش هوش مصنوعی،واحد علوم و تحقیقات،دانشگاه آزاد اسلامی واحد کرمان،ایران

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • _ جامع، Webots چاپ اول، نشر تراوا، .1388 ...
  • J. C. Latombe, Robot motion planning: Springer Verlag, 1990. ...
  • Y. Wang, et al., "Two novel approaches for unmanned underwater ...
  • P. Shi and Y. Zhao, " An efficient path planning ...
  • A. Ghorbani, et al., "Using Genetic Algorithm for _ Mobile ...
  • K. Sugawara, et al., "Foraging behavior of interacting robots with ...
  • H. Qu, et al., "Real-time robot path planning based On ...
  • Holland, J. H. "Adaptation in natural and artificial systems: An ...
  • Holland, J. H. "Genetic algorithms, " Scientific American, pp. 66-72, ...
  • AL-Taharwa, I., A. Sheta and M. Al-Weshah, " A Mobile ...
  • Hu, Yanrong, and Simon X. Yang. " A knowledge based ...
  • Vadakkepat, Prahlad, Kay Chen Tan, and Wang Ming-Liang. "Evolutionary artificial ...
  • Tu, Jianping, and Simon . Yang. "Genetic algorithm based path ...
  • Haupt, Randy L, and Sue Ellen Haupt. Practical genetic algorithms. ...
  • Goldberg, David E., and Kalyanmoy Deb. " A comparative analysis ...
  • نمایش کامل مراجع