Un modelo de planificación de rutas cooperativo eficiente en tiempo combinado con asignación de tareas para sistemas multiagente
Autores: Biswas, Sumana; Anavatti, Sreenatha G.; Garratt, Matthew A.
Idioma: Inglés
Editor: MDPI
Año: 2019
Acceso abierto
Artículo científico
2019
Un modelo de planificación de rutas cooperativo eficiente en tiempo combinado con asignación de tareas para sistemas multiagente
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Robótica
Palabras clave
Incertidumbres
Planificación de alta eficiencia
Problema de asignación de tareas
Sistemas multiagente
Planificación de rutas
Modelo de búsqueda del vecino más cercano
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 25
Citaciones: Sin citaciones
Lidiar con incertidumbres junto con una planificación de alta eficiencia para el problema de asignación de tareas sigue siendo un desafío, especialmente para sistemas multiagente. En este documento, se analizan y comparan dos marcos: el modelo de Vista de Compromiso y el modelo de Búsqueda del Vecino Más Cercano para la planificación de rutas cooperativas combinada con la asignación de tareas de un sistema multiagente en entornos dinámicos. Ambos marcos son capaces de controlar dinámicamente un número de agentes autónomos para llevar a cabo múltiples tareas en diferentes ubicaciones. Además, estos dos modelos son capaces de lidiar con entornos que cambian dinámicamente. En ambos enfoques, se aplica un método basado en Optimización por Enjambre de Partículas para la planificación de rutas. El enfoque de planificación de rutas combinado con la estrategia de evitación de obstáculos se integra con el problema de asignación de tareas. En un marco, se utiliza el modelo de Vista de Compromiso para completar las tareas y se utiliza una combinación del método de agrupamiento con el modelo de Búsqueda del Vecino Más Cercano para asignar tareas al otro marco. Los marcos se comparan en términos de tiempo computacional y la longitud de la ruta resultante. Los resultados indican que el modelo de Búsqueda del Vecino Más Cercano es mucho más rápido que el modelo de Vista de Compromiso. Sin embargo, el modelo de Búsqueda del Vecino Más Cercano genera rutas más largas para cumplir la misión. Siguiendo el enfoque de Búsqueda del Vecino Más Cercano, los agentes pueden cumplir con éxito su misión, incluso bajo incertidumbres como el mal funcionamiento de agentes individuales. El marco de Búsqueda del Vecino Más Cercano es altamente efectivo debido a su estructura reactiva. Según los requisitos, para ahorrar tiempo, después de completar sus propias tareas, un agente puede completar las tareas restantes de otros agentes. Los resultados de la simulación muestran que el modelo de Búsqueda del Vecino Más Cercano es una forma efectiva y robusta de resolver problemas de planificación de rutas cooperativas combinados con problemas de asignación de tareas.
Descripción
Lidiar con incertidumbres junto con una planificación de alta eficiencia para el problema de asignación de tareas sigue siendo un desafío, especialmente para sistemas multiagente. En este documento, se analizan y comparan dos marcos: el modelo de Vista de Compromiso y el modelo de Búsqueda del Vecino Más Cercano para la planificación de rutas cooperativas combinada con la asignación de tareas de un sistema multiagente en entornos dinámicos. Ambos marcos son capaces de controlar dinámicamente un número de agentes autónomos para llevar a cabo múltiples tareas en diferentes ubicaciones. Además, estos dos modelos son capaces de lidiar con entornos que cambian dinámicamente. En ambos enfoques, se aplica un método basado en Optimización por Enjambre de Partículas para la planificación de rutas. El enfoque de planificación de rutas combinado con la estrategia de evitación de obstáculos se integra con el problema de asignación de tareas. En un marco, se utiliza el modelo de Vista de Compromiso para completar las tareas y se utiliza una combinación del método de agrupamiento con el modelo de Búsqueda del Vecino Más Cercano para asignar tareas al otro marco. Los marcos se comparan en términos de tiempo computacional y la longitud de la ruta resultante. Los resultados indican que el modelo de Búsqueda del Vecino Más Cercano es mucho más rápido que el modelo de Vista de Compromiso. Sin embargo, el modelo de Búsqueda del Vecino Más Cercano genera rutas más largas para cumplir la misión. Siguiendo el enfoque de Búsqueda del Vecino Más Cercano, los agentes pueden cumplir con éxito su misión, incluso bajo incertidumbres como el mal funcionamiento de agentes individuales. El marco de Búsqueda del Vecino Más Cercano es altamente efectivo debido a su estructura reactiva. Según los requisitos, para ahorrar tiempo, después de completar sus propias tareas, un agente puede completar las tareas restantes de otros agentes. Los resultados de la simulación muestran que el modelo de Búsqueda del Vecino Más Cercano es una forma efectiva y robusta de resolver problemas de planificación de rutas cooperativas combinados con problemas de asignación de tareas.