基于 NSGA-II 与主成分分析的无人机群集优化
机器人学
2022-05-03 v1 人工智能
多智能体系统
摘要
自然系统(如鸟群或鱼群)中的个体智能体展现出显著的协调与局部群体沟通能力,并能高效执行多种任务。将此类自然系统仿效到无人机群中以解决国防、农业、工业自动化和人道主义救援中的问题是一项新兴技术。然而,在保持多个目标(如避碰、高速等)的同时实现空中机器人的群集飞行仍是一项挑战。本文提出了在具有多个冲突目标的受限环境中无人机的优化群集飞行。所考虑的目标包括避碰(彼此之间及与墙壁)、速度、相关性和通信(连通与断开的智能体)。应用主成分分析(PCA)进行降维并理解群体的集体动力学。该控制模型由 12 个参数刻画,随后使用多目标求解器(NSGA-II)进行优化。所得结果被报告并与 CMA-ES 算法的结果进行比较。该研究尤其有用,因为所提出的优化器输出代表不同类型蜂群的帕累托前沿,可应用于现实世界中的不同场景。
引用
@article{arxiv.2205.00432,
title = {Drone Flocking Optimization using NSGA-II and Principal Component Analysis},
author = {Jagdish Chand Bansal and Nikhil Sethi and Ogbonnaya Anicho and Atulya Nagar},
journal= {arXiv preprint arXiv:2205.00432},
year = {2022}
}