Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
HG-SMA: Thuật toán nấm nhầy hướng dẫn theo cấp bậc cho lập kế hoạch đường đi mượt mà
Tóm tắt
Việc lập kế hoạch đường đi mượt mà cho robot di động đang thu hút sự chú ý nghiên cứu đặc biệt. Trong bài báo này, một thuật toán nấm nhầy cải tiến gọi là HG-SMA được đề xuất để giải quyết một mô hình lập kế hoạch đường đi mượt mà mới dựa trên đường cong Said-Ball. Đầu tiên, thuật toán cải tiến được xây dựng bằng cách thêm một chiến lược hướng dẫn theo cấp bậc. Chiến lược này xem xét các đặc điểm của các cá thể có giá trị thích nghi khác nhau và phân chia quần thể nấm nhầy thành hai cấp bậc. Các chiến lược tương ứng được áp dụng cho các cấp bậc khác nhau nhằm cải thiện chất lượng giải pháp. Để xác thực hiệu suất của thuật toán HG-SMA được đề xuất, nó được so sánh với các thuật toán nấm nhầy cải tiến khác và các thuật toán meta-heuristic cổ điển trên các hàm thử nghiệm trong bộ CEC2017 và CEC2019. Kết quả cho thấy HG-SMA hoạt động tốt nhất trên 74,36% và 79,49% tổng số 39 hàm khi so với các thuật toán SMA cải tiến khác và các thuật toán tối ưu hóa cổ điển, điều này cho thấy nó vượt trội hơn những cái khác về độ chính xác giải pháp, sự ổn định và tốc độ hội tụ. Thứ hai, bằng cách coi các điểm kiểm soát là biến, một mô hình lập kế hoạch đường đi mượt mà mới dựa trên đường cong Said-Ball được thiết lập để tạo ra đường đi khả thi cho robot di động. So với các phương pháp lập kế hoạch đường đi truyền thống khác (A*, RRT và Informed RRT*), phương pháp dựa trên đường cong Said-Ball có thể xây dựng được những đường đi với độ mượt mà cao hơn và có ưu thế về tốc độ tính toán so với phương pháp dựa trên đường cong Bézier. Cuối cùng, HG-SMA được sử dụng để giải quyết mô hình tối ưu hóa đã được thiết lập dựa trên đường cong Said-Ball, được gọi là phương pháp Said-Ball + HG-SMA. Trong ba nơi làm việc đã được thiết kế, HG-SMA cũng có lợi thế trong việc tạo ra những đường đi khả thi với độ dài ngắn hơn và độ mượt mà cao hơn so với SMA gốc và các thuật toán cổ điển khác.
Từ khóa
#robot di động #lập kế hoạch đường đi #thuật toán nấm nhầy #đường cong Said-Ball #tối ưu hóaTài liệu tham khảo
Abdel-Basset M, Chang V, Mohamed R (2020) HSMA_WOA: a hybrid novel Slime mould algorithm with whale optimization algorithm for tackling the image segmentation problem of chest X-ray images. Appl Soft Comput 95:106642
Abdollahzadeh B, Gharehchopogh FS, Mirjalili S (2021a) African vultures optimization algorithm: a new nature-inspired metaheuristic algorithm for global optimization problems. Comput Ind Eng 158:107408
Abdollahzadeh B, Gharehchopogh FS, Mirjalili S (2021b) Artificial gorilla troops optimizer: a new nature-inspired metaheuristic algorithm for global optimization problems. Int J Intell Syst 36(10):5887–5958
Abualigah L, Abd Elaziz M, Sumari P, Geem ZW, Gandom AH (2022) Reptile search algorithm (RSA): a nature-inspired meta-heuristic optimizer. Expert Syst Appl 191:116158
Abualigah L, Diabat A, Mirjalili S, Abd Elaziz M, Gandomi AH (2021a) The arithmetic optimization algorithm. Comput Method Appl M 376:113609
Abualigah L, Yousri D, Abd Elaziz M, Ewees AA, Al-qaness AA, Gandomi AH (2021b) Aquila optimizer: a novel meta-heuristic optimization algorithm. Comput Ind Eng 157:107250
Agushaka JO, Ezugwu AE, Abualigah L (2022) Dwarf mongoose optimization algorithm. Comput Method Appl M 391:114570
Anter AM, Oliva D, Thakare A, Zhang Z (2021) AFCM-LSMA: new intelligent model based on Lévy slime mould algorithm and adaptive fuzzy C-means for identification of COVID-19 infection from chest X-ray images. Adv Eng Inform 49:101317
Awad NH, Ali MZ, Suganthan PN, Liang JJ, Qu BY (2016) Problem Definitions and Evaluation Criteria for the CEC 2017 Special Session and Competition on Single Objective Real-Parameter Numerical Optimization.
Chang H. C, Liu J. S (2009) High-quality path planning for autonomous mobile robots with η3-splines and parallel genetic algorithms. In 2008 IEEE International Conference on Robotics and Biomimetics (pp. 1671–1677)
Cheng MY, Prayogo D (2014) Symbiotic organisms search: a new metaheuristic optimization algorithm. Comput Struct 139:98–112
Deng W, Xu J, Song Y, Zhao H (2021) Differential evolution algorithm with wavelet basis function and optimal mutation strategy for complex optimization problem. Appl Soft Comput 100:106724
Ezugwu AE, Agushaka JO, Abualigah L, Mirjalili S, Gandomi AH (2022) Prairie dog optimization algorithm. Neural Comput Appl 34(22):20017–20065
Gammell JD, Srinivasa SS, Barfoot TDJI (2014) Informed RRT*: optimal Sampling-based Path Planning Focused via Direct Sampling of an Admissible Ellipsoidal Heuristic. In IEEE/RSJ International Conference on Intelligent Robots and Systems (pp. 2997–3004).
Garcia MA, Montiel O, Castillo O, Sepúlveda R, Melin P (2009) Path planning for autonomous mobile robot navigation with ant colony optimization and fuzzy cost function evaluation. Appl Soft Comput 9(3):1102–1110
Hashim FA, Hussain K, Houssein EH, Mabrouk MS, Al-Atabany W (2021) Archimedes optimization algorithm: a new metaheuristic algorithm for solving optimization problems. Appl Intell 51(3):1531–1551
Heidari AA, Mirjalili S, Faris H, Aljarah I, Mafarja M, Chen H (2019) Harris hawks optimization: algorithm and applications. Future Gener Comp Sy 97:849–872
Houssein EH, Emam MM, Ali AA (2021a) An efficient multilevel thresholding segmentation method for thermography breast cancer imaging based on improved chimp optimization algorithm. Expert Syst Appl 185:115651
Houssein EH, Mahdy MA, Blondin MJ, Shebl D, Mohamed WM (2021b) Hybrid slime mould algorithm with adaptive guided differential evolution algorithm for combinatorial and global optimization problems. Expert Syst Appl 174:114689
Hu G, Zhu XN, Wei G, Chang CT (2021) An improved marine predators algorithm for shape optimization of developable ball surfaces. Eng Appl Artif Intel 105:104417
Hu G, Du B, Wang XF, Wei G (2022) An enhanced black widow optimization algorithm for feature selection. Knowl-Based Syst 235:107638
Hu SM, Wang GZ, Jin TG (1996) Properties of two types of generalized ball curves. Comput Aided Design 28(2):125–133
Jr J, Lavalle SM (2000) RRT-connect: an efficient approach to single-query path planning. in proceedings 2000 ICRA. millennium conference. IEEE International Conference on Robotics and Automation. Symposia Proceedings (pp. 995–1001).
Karaman S, Frazzoli E (2011) Sampling-based algorithms for optimal motion planning. Ind Robot 30:846–894
Kaur S, Awasthi LK, Sangal AL, Dhiman G (2020) Tunicate swarm algorithm: a new bio-inspired based metaheuristic paradigm for global optimization. Eng Appl Artif Intel 90:103541
Li B, Liu L, Zhang Q, Lv D, Shi X (2014) Path planning based on firefly algorithm and Bezier curve.In IEEE International Conference on Information and Automation (ICIA) (pp. 630–633).
Li S, Chen H, Wang M, Heidari AA, Mirjalili S (2020) Slime mould algorithm: a new method for stochastic optimization. Future Gener Comp Sy 111:300–323
Maekawa T, Noda T, Tamura S, Ozaki S, Machida K (2010) Curvature continuous path generation for autonomous vehicle using B-spline curves. Comput Aided Design 42(4):350–359
Mirjalili S, Gandomi AH, Mirjalili SZ, Saremi S, Faris H, Mirjalili SM (2017) Salp swarm algorithm: a bio-inspired optimizer for engineering design problems. Adv Eng Softw 114:163–191
Mirjalili S, Lewis A (2016) The whale optimization algorithm. Adv Eng Softw 95:51–67
Mirjalili S, Mirjalili SM, Lewis A (2014) Grey wolf optimizer. Adv Eng Softw 69:46–61
Nazarahari M, Khanmirza E, Doostie S (2019) Multi-objective multi-robot path planning in continuous environment using an enhanced genetic algorithm. Expert Syst Appl 115:106–120
Othman WAM, Goldman RN (1997) The dual basis functions for the generalized ball basis of odd degree. Comput Aided Geom D 14(6):571–582
Oyelade O N, Ezugwu A E (2021) Ebola optimization search algorithm: a new nature-inspired metaheuristic algorithm for global optimization problems. 2021 International Conference on Electrical, Computer and Energy Technologies (ICECET) (pp. 1–10).
Patle BK, Babu L, Ganesh Pandey A, Parhi DRK, Jagadeesh A (2019) A review: on path planning strategies for navigation of mobile robot. Def Technol 15(4):582–606
Price KV, Awad NH, Ali MZ, Suganthan PN (2018) Problem definitions and evaluation criteria for the CEC 2017 special session and competition on single objective real-parameter numerical optimization. Technical Report. Nanyang Technological University, Singapore
Rizk-Allah RM (2019) An improved sine-cosine algorithm based on orthogonal parallel information for global optimization. Soft Comput 23(16):7135–7161
Rizk-Allah RM (2021) A quantum-based sine cosine algorithm for solving general systems of nonlinear equations. Artif Intell Rev 54(5):3939–3990
Rizk-Allah RM, Hassanien AE, Song D (2021) Chaos-opposition-enhanced slime mould algorithm for minimizing the cost of energy for the wind turbines on high-altitude sites. ISA T 121:191–205
Rizk-Allah RM, Hassanien AE, Snášel V (2022) A hybrid chameleon swarm algorithm with superiority of feasible solutions for optimal combined heat and power economic dispatch problem. Energy 254:124340
Sahingoz O, Koray R (2014) Generation of bezier curve-based flyable trajectories for multi-UAV systems with parallel genetic algorithm. J Intell Robot Syst 74(1–2):499–511
Shambour MKY, Abusnaina AA, Alsalibi AL (2019) Modified global flower pollination algorithm and its application for optimization problems. Interdiscip Sci 11(3):496–507
Song B, Tian G, Zhou F (2010) A comparison study on path smoothing algorithms for laser robot navigated mobile robot path planning in intelligent space. J Inform Comput Sci 7(14):2943–2950
Song B, Wang Z, Li S (2016) A new genetic algorithm approach to smooth path planning for mobile robots. Assembly Autom 36(2):138–145
Song BY, Wang ZD, Zou L (2017) On global smooth path planning for mobile robots using a novel multimodal delayed PSO algorithm. Cogn Comput 9(1):5–17
Song B, Wang Z, Zou L (2021) An improved PSO algorithm for smooth path planning of mobile robots using continuous high-degree Bezier curve. Appl Soft Comput 100:106960
Stentz A (1994) Optimal and efficient path planning for partially-known environments. In IEEE International Conference on Robotics and Automation (pp. 3310–3317).
Tao X, Guo W, Li Q, Ren C, Liu R (2020) Multiple scale self-adaptive cooperation mutation strategy-based particle swarm optimization. Appl Soft Comput 89:106124
Tharwat A, Elhoseny M, Hassanien AE, Gabel T, Kumar A (2019) Intelligent Bézier curve-based path planning model using chaotic particle swarm optimization algorithm. Clust Comput 22(4):1–22
Upadhyay S, Ratnoo A (2016) Continuous-curvature path planning with obstacle avoidance using four parameter logistic curves. IEEE Robot Autom Let 1(2):609–616
Wang ZJ, Zhan ZH, Kwong S, Jin H, Zhang J (2021) Adaptive granularity learning distributed particle swarm optimization for large-scale optimization. IEEE T Cybernetics 51(3):1175–1188
Xiang L, Gong D (2011) A comparative study of A-star algorithms for search and rescue in perfect mazein. In International Conference on Electric Information and Control Engineering (pp. 24–27).
Yang K, Sukkarieh S (2010) An analytical continuous-curvature path-smoothing algorithm. IEEE T Robot 26(3):561–568
Yu K, Liu L, Chen Z (2021) An improved slime mould algorithm for demand estimation of urban water resources. Mathematics-Basel 9(12):1316
Zheng J, Xie Y, Huang X, Wei Z, Taheri B (2021) Balanced version of slime mold algorithm: a study on PEM fuel cell system parameters identification. Energ Rep 7:3199–3209