Исследование практической сходимости эволюционных алгоритмов оптимального программного управления колесным роботом

Рассматриваются эволюционные алгоритмы для решения задачи оптимального программного управления. Приведено описание наиболее популярных эволюционных алгоритмов, генетического алгоритма, алгоритма дифференциальной эволюции, метода роя частиц, алгоритма летучих мышей, пчелиного алгоритма и алгоритма серых волков. Представлен экспериментальный анализ этих алгоритмов и их сравнение с градиентными методами. Эксперимент проведен на решении задачи оптимального управления мобильным роботом с фазовыми ограничениями. Для сравнения алгоритмов использованы показатели лучшего значения целевого функционала, среднего значения за несколько запусков и среднеквадратичного отклонения.

Ключевые слова

Источник финансирования

Работа выполнена при финансовой поддержке РФФИ (грант №17-08-01203-а).

Получено

07.01.2019

Дата публикации

07.01.2019

Цитировать Скачать pdf Для скачивания PDF необходимо авторизоваться

ГОСТ	Дивеев А. И. , Константинов С. В. Исследование практической сходимости эволюционных алгоритмов оптимального программного управления колесным роботом // Известия Российской академии наук. Теория и системы управления – 2018. – Номер 4 C. 75-98 [Электронный ресурс]. URL: http://ras.jes.su/tisu/s207987840001690-8-1 (дата обращения: 03.05.2024). DOI: 10.31857/S000233880002513-3
MLA	Diveev, Askhat, Konstantinov, S. "Research of practical convergence of evolutionary algorithms for optimal programmed control of a wheeled robot." Izvestiia Rossiiskoi akademii nauk. Teoriia i sistemy upravleniia 4 (2018):75-98. DOI: 10.31857/S000233880002513-3
APA	Diveev A., Konstantinov S. (2018). Research of practical convergence of evolutionary algorithms for optimal programmed control of a wheeled robot. Izvestiia Rossiiskoi akademii nauk. Teoriia i sistemy upravleniia (4), pp.75-98 DOI: 10.31857/S000233880002513-3

Размещенный ниже текст является ознакомительной версией и может не соответствовать печатной.

всего просмотров: 1337

Оценка читателей: голосов 0

1. Евтушенко Ю.Г. Оптимизация и быстрое автоматическое дифференцирование. М.: ВЦ РАН, 2013. 144 с.

2. Поллак Э. Численные методы оптимизации. Единый подход. М.: Мир, 1974. 374 с.

3. Моисеев Н.Н. Методы динамического программирования в теории оптимальных управлений. I // ЖВМ и МФ. 1964. T. 4. № 3. С. 485–494.

4. Моисеев H.H. Оптимизация и управление (эволюция идей и перспективы) // Изв. АН СССР Техн. кибернетика. 1974. № 4. С. 3–16.

5. Грачев Н.И., Евтушенко Ю.Г. Библиотека программ для решения задач оптимального управления // ЖВМ и МФ. 1979. Т. 19. № 2. С. 367–387.

6. Карпенко А.П. Современные алгоритмы поисковой оптимизации. Алгоритмы, вдохновленные природой. М.: Изд-во МГТУ им. Н.Э. Баумана, 2014. 446 с.

7. Holland J.N. Adaptation in Natural and Artificial Systems / Michigan: Univ. Michigan Press, 1975. 183 p.

8. Рагимов А.Б. Об одном подходе к решению задач оптимального управления на классах кусочно-постоянных, кусочно-линейных и кусочно-заданных функций // Вестн. Томск. гос. ун-та. Управление, вычислительная техника и информатика. 2012. № 2. С. 20–30.

9. Васильев Ф.П. Численные методы решения экстремальных задач. М.: Наука, 1988. 550 c.

10. Базара М., Шетти К. Нелинейное программирование. Теория и алгоритмы. М.: Мир, 1982. 584 c.

11. Карманов В.Г. Математическое программирование. М.: Физматлит, 2008. 264 с.

12. Пантелеев А.В., Летова Т.А. Методы оптимизации в примерах и задачах. М.: Высш. шк., 2005. 544 с.

13. Ли Э.Б., Маркус Л. Основы теории оптимального управления. М.: Наука, 1972. 578 с.

14. Соболь Б.В., Месхи Б.Ч., Каныгин Г.И. Методы оптимизации. Практикум. Ростов н/Д: Феникс, 2009. 380 с.

15. Kingma D.P., Ba J. Adam: A Method for Stochastic Optimization // 3rd Intern. Conf. for Learning Representations. arXiv:1412.6980v8 [cs.LG]. San Diego, 2015. 15 p. URL: https://arxiv.org/pdf/1412.6980v8.pdf.

16. Goldberg D.E. Genetic Algorithms in Search, Optimization, and Machine Learning. Addison-Wesley, 1989. 412 p.

17. Пантелеев А.В., Скавинская Д.В., Алешина Е.А. Метаэвристические алгоритмы поиска оптимального программного управления. М.: ИНФРА-М, 2016. 396 с.

18. Storn R., Price K. Differential Evolution – A Simple and Efficient Heuristic for Global Optimization over Continuous Spaces // J. Global Optimization. 1997. №11. P. 341–359.

19. Kennedy J., Eberhart R. Particle Swarm Optimization // Proc. IEEE Intern. Conf. on Neural Networks IV. Perth. 1995. P. 1942–1948.

20. Карпенко А.П., Селиверстов Е.Ю. Глобальная оптимизация методом роя частиц. Обзор // Информационные технологии. 2010. № 2. С. 25–34.

21. Pham D.T., Ghanbarzadeh A., E. Koc, et al. The Bees Algorithm - A Novel Tool for Complex Optimisation Problems // Intelligent Production Machines and Systems - 2nd I*PROMS Virtual Intern. Conf. Elsevier Ltd. 2006. P. 454–459.

22. Гришин А.А., Карпенко А.П. Исследование эффективности метода пчелиного роя в задаче глобальной оптимизации // Наука и образование: научное издание МГТУ им. Н.Э. Баумана. 2010. № 8.

23. Yang X.S. A New Metaheuristic Bat-inspired Algorithm // Studies in Computational Intelligence. 2010. Vol. 284. P. 65–74.

24. Mirjalili S., Mirjalili S.M., Lewis A. Grey Wolf Optimizer // Advances in Engineering Software. 2014. V. 69. P. 46–61.

25. Рапопорт Л.Б. Оценка области притяжения в задаче управления колесным роботом // АиТ. 2006. № 9. С. 69–89.

26. Пестерев А.В. Синтез линеаризующего управления в задаче стабилизации движения автомобилеподобного робота вдоль криволинейного пути // Изв. РАН. ТиСУ. 2013. №5. С. 153–165.