面向能源受限机器人的未知区域探索: 基于改进蝴蝶优化算法
机器人学
2023-06-12 v1 人工智能
多智能体系统
摘要
蝴蝶优化算法 (BOA) 是一种近期用于解决多种优化问题的元启发式方法。本文提出了一种新版本算法 (xBOA),基于交叉算子,并将其结果与原始 BOA 以及三种最近在文献中引入的变体进行比较。我们还提出了一个用于解决能源受限未知区域探索问题的框架,适用于单机器人和多机器人情形中的元启发式方法。该框架使我们能够对比异构元启发式方法在机器人探索问题中的性能。我们进行了若干实验以验证该框架,并用以比较 xBOA 与文献中使用的众所周知元启发式方法的有效性,通过 5 项评估标准。尽管 BOA 和 xBOA 在所有这些标准中都非最优,但我们发现 BOA 在探索时间方面是许多元启发式方法的良好替代方案,而 xBOA 对局部最优更稳健;具有更好的适应度收敛;并在探索率方面优于原始 BOA 及其其他变体。
引用
@article{arxiv.2210.14774,
title = {Unknown area exploration for robots with energy constraints using a modified Butterfly Optimization Algorithm},
author = {Amine Bendahmane and Redouane Tlemsani},
journal= {arXiv preprint arXiv:2210.14774},
year = {2023}
}