Аналитический обзор существующих методов и подходов к планированию групповых действий

Существует множество подходов к решению данной задачи, среди которых есть только два универсальных – это генетические алгоритмы и метод полного перебора, которые будут описаны в пункте 1.1.2. Остальные же методы решения данной задачи решают его лишь приближенно в общем случае. Рассмотрим один из таких методов – метод кластеризации.

Данный метод описан в работе [4]. В данной работе предлагается сначала провести кластеризацию всех объектов по методу k-средних. Этот метод заключается в том, что все объекты разбиваются на количество кластеров k, равное количеству БЛА следующим образом:

случайным образом на поле решения задачи выбрасывается k точек, которые являются центрами кластеров (центроидами);

каждый объект заносится в кластер того центроида, к которому он находится ближе всего;

после того, как все объекты занесены в кластеры, позиции центроидов пересчитываются таким образом, чтобы суммарное расстояние до всех объектов оказалось минимальным;

шаги 2 и 3 повторяются до тех пор, пока центроиды не перестанут передвигаться.

Таким образом, алгоритм выделяет группы объектов, которые максимально схожи внутри себя, но при этом максимально различны между собой.

После проведения кластеризации к объектам внутри каждого кластера применятся алгоритм «упаковки», суть которого заключается в том, чтобы перевести координаты каждого из объектов в полярные, а замет отсортировать их по углу поворота, а затем по радиусу в порядке возрастания. Таким образом, получается некоторая последовательность облета объектов, которая будет оптимизироваться на следующих шагах.

К полученной последовательности применяется алгоритм имитации отжига (алгоритм поиска минимума некоторой функции), целевой функцией которого является время облета объектов в заданной последовательности.

Последним шагом данного метода является применение алгоритма поиска «Tabu search», суть которого сводится к тому, что в случае, если алгоритм находит решение, которое потенциально является оптимальным, он «запрещает» его, и «разрешает» движение в сторону максимизации времени полета БЛА. Таким образом, алгоритм препятствует «застреванию» поиска в локальных минимумах.

Сильные стороны:

применение множества способов препятствования попаданию в локальные минимумы.

Слабые стороны:

исключение взаимодействия между БЛА;

применяется сразу несколько методов поиска и оптимизации, что существенно увеличивает время расчета;

метод применим только для неподвижных объектов.

Похожие статьи:

Определение годового объема работ по ТО и ТР
Объем работ по ЕО, ТО-1 и ТО-2 за год определяется из выражения: TEO.Г. = ∑NЕО.Г. ∙ tEO; Т1Г. = ∑N1Г. ∙ t1; Т2Г. = ∑N2Г. ∙ t2 где∑NЕО.Г., ∑N1Г,, ∑N2Г. — соответственно годовое число ЕО, ТО-1 и ТО-2 на весь парк (группу) автомобилей одной модели. ...

Isuzu Trooper. Свой среди чужих
За рулем №5 1999 Обновленный "Исудзу-Трупер" начал сходить с конвейера в 1998 году и уже в сентябре появился в Москве. Вседорожник подвергся серьезной модернизации: улучшены отделка салона и внешний облик, "Трупер" стали оснащать новым бензиновым двигателем объемом 3,5 л и рядны ...

Автоматическая вибродуговая наплавка
Снижение трудоемкости и повышение качества наплавочных работ может быть достигнуто в результате их автоматизации. Одним из эффективных процессов автоматической дуговой наплавки является вибродуговой способ. Этот способ отличается простотой и поэтому нашел широкое применение на ряде предприятий. Виб ...