Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Thuật toán mạng miễn dịch thích nghi được hướng dẫn bởi trường tiềm năng nhân tạo cho lập kế hoạch đường đi của robot
Tóm tắt
Lấy cảm hứng từ cơ chế của giả thuyết mạng idiotypic của Jerne, một thuật toán mạng miễn dịch thích nghi mới (AINA) được trình bày thông qua sự kích thích và ức chế giữa kháng nguyên và kháng thể, coi môi trường và hành vi của robot lần lượt là kháng nguyên và kháng thể. Một trọng số hướng dẫn được định nghĩa dựa trên phương pháp trường tiềm năng nhân tạo (APF), và trọng số hướng dẫn được kết hợp với độ sống sót của kháng thể để xây dựng một toán tử lựa chọn kháng thể mới, làm tăng hiệu suất tìm kiếm. Thêm vào đó, một toán tử cập nhật độ sống sót của kháng thể được cung cấp dựa trên hiệu ứng Baldwin, dẫn đến cơ chế phản hồi tích cực trong tìm kiếm và tăng tốc độ hội tụ của mạng miễn dịch. Các kết quả mô phỏng và thực nghiệm cho thấy thuật toán đề xuất đặc trưng bởi tốc độ tìm kiếm cao, hiệu suất hội tụ tốt và khả năng lập kế hoạch mạnh mẽ, giải quyết tốt vấn đề lập kế hoạch đường đi trong môi trường phức tạp.
Từ khóa
#mạng miễn dịch #thuật toán thích nghi #lập kế hoạch đường đi #trường tiềm năng nhân tạo #hiệu ứng BaldwinTài liệu tham khảo
Ge S S, Cui Y J. Dynamic motion planning for mobile robots using potential field method. Automous Robots, 2002, 13(l3): 207–222
Wei C Z, Ma Z, Chang J H. Reduction of visibility graph on global path planning for mobile robot. In: Proceeding of Chinese Control Conference. Piscataway: IEEE, 2006, 1605–1608
Liu J, Yang D Y. Path planning based on double-layer genetic algorithm. In: Proceedings of 3rd international conference on natural computation. Piscataway: IEEE, 2007, 357–361
Saska M, Macas M, Preucil L. Robot path planning using particle swarm optimization of ferguson splines. In: Proceedings of 11th IEEE International Conference on Emerging Technologies and Factory Automation. Piscataway: IEEE, 2006, 833–839
Liu G Q, Li T J, Li Y P. The ant algorithm for solving robot path planning problem. In: Proceedings of 3rd international conference on information technology and applications. Piscataway: IEEE, 2005, 25–27
Ishiguro A, Shirai Y, Kondo T, et al. Immunoid: an architecture for behavior arbitration based on the immune networks. In: Proceedings of IEEE/RSJ International Conference on Intelligent Robots and Systems. Piscataway: IEEE, 1996, 1730–1736
Luh G C, Liu W W. Reactive immune network based mobile robot navigation. In: Proceedings of 3rd International Conference on Artificial Immune Systems. Berlin: Springer, 2004, 119–132
Vargas P A, De Castro L N, Michelan R. Implementation of an immuno-genetic network on a real Khepera II robot. In: Proceedings of International Conference on Evolutionary Computation. Piscataway: IEEE, 2003, 420–426
Li J H, Wang S A. Model of immune agent and application in path finding of autonomous robots. In: Proceedings of International Conference on Machine Learning and Cybernetics. Piscataway: IEEE, 2003, 1961–1964
Whitbrook A M, Aickelin U, Garibaldi J M. Idiotypic immune networks in mobile-robot control. In: Proceedings of IEEE Transactions on Systems, Man, and Cybernetics, Part B. Piscataway: IEEE, 2007, 37(6): 1581–1598
Chen Xi, Tan G Z, Jiang B. Real-time optimal path planning for mobile robots based on immune genetic algorithm. Journal of Central South University (Science and Technology), 2008, 39(3): 577–583
Wang S A, Zhuang J. An immunity algorithm for path finding and optimizing of the moving robot. Journal of System Simulation, 2002, 14(8): 995–997
Zhuang J, Wang S A. Further study of robot path planning algorithm based on artificial immune net theory. Journal of System Simulation, 2004, 16(5): 1017–1019
Jerne N K. The immune system. Scientific American, 1973, 229 (suppl 1): 52–60
Cayzer S, Aickelin U. A recommender system based on idiotypic artificial immune networks. Journal of Mathematical Modelling and Algorithms, 2005, 4(2): 181–198
Jerne N K. Idiotypic networks and other preconceived ideas. Immunological Rev, 1984, 79: 5–24
Ge S S, Cui Y J. New potential functions for mobile robot path planning. IEEE Transactions on Robotics And Automation, 2000, 16 (5): 615–620
Khatib O. Real-time obstacle avoidance for manipulators and mobil robot. International Journal of Robotics Research, 1986, 5 (suppl 1): 90–98
Sun Y F, Zhang C K. Baldwin effect based chaotic parallel genetic algorithm with variable-scale learning. In: Proceedings of International Conference on Machine Learning and Cybernetics. Piscataway: IEEE, 2007, 1003–1008