Geri Dön

Sezgisel yöntemlerin sürü robotları görev paylaşımında kullanılması

Usage of heauristic methods in task sharing of swarm robots

PDF İndir

  1. Tez No: 711261
  2. Yazar: MEHMET ÖZASLAN
  3. Danışmanlar: DOÇ. DR. MEHMET SERDAR GÜZEL
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2021
  8. Dil: Türkçe
  9. Üniversite: Ankara Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Bilimleri Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 62

Özet

Sezgisel algoritmalar karmaşık, doğrusal olmayan problemlerin çözümündeki başarılarıyla son zamanda birçok alanda kullanılmaktadır. Sürü robotların hareket planlamalarında çok parametreli modellere ihtiyaç duyulmaktadır. Bu parametrelerin optimum değerlerinin bulunması problemi klasik algoritmalarla çözülemeyecek karmaşıklıktadır. Bu tez çalışmasında RoboCode savaş simülatörü ile sürü robotların hareketlerinin sezgisel optimizasyon algoritmalarından genetik algoritma ve parçacık sürü optimizasyon algoritması kullanarak geliştirilmesi, geliştirilen iki farklı robot türünden oluşan sürülerin aynı rakip robotlarla savaştırılması sureti ile genetik algoritma ve parçacık sürü optimizasyon algoritmasının etkinliğinin değerlendirilmesi amaçlanmıştır. RoboCode ortamında, aynı rakiplerle, aynı iterasyon (PSO için güncelleme) sayısında aynı popülasyon (PSO için sürü) genişliğindeki koşullarda genetik algoritma ve parçacık sürü optimizasyonu algoritması ile robotlar eğitilmiştir. Bu her iki robotun eğitimi esnasında farklı karakteristikteki aynı rakip robotlarla karşılaştırılmış ve sürülerin eğitim esnasındaki uygunluk(başarı) değerleri izlenmiştir. Robotların eğitimi sonrasında genetik algoritma ile eğitimin daha uzun sürede gerçekleştiği görülmüştür. En iyi bireysel başarı değerine ve sürü ortalama başarı değerine genetik algoritma ile ulaşılmıştır. Buna karşın parçacık sürü optimizasyon algoritması ile sürü ortalama başarı değerinin en yüksek başarıyı gösteren bireyin başarı değerine yaklaşmaya devam ettiği görülmüştür.

Özet (Çeviri)

Heuristic algorithms have been used in many fields recently with their success in solving complex, nonlinear problems. Multi-parameter models are needed for motion planning of swarm robots. The problem of finding the optimum values of these parameters is so complex that it cannot be solved by classical algorithms. In this thesis, it is aimed to develop the movements of the swarm robots using the heuristic optimization algorithms genetic algorithm and particle swarm optimization algorithm with the RoboCode battle simulator, and to evaluate the effectiveness of the genetic algorithm and particle swarm optimization algorithm by fighting the swarms consisting of two different robot types with the same rival robots. In the RoboCode environment, robots are trained with genetic algorithm and particle swarm optimization algorithm in conditions of same population (swarm for PSO) width with same competitors, same number of iterations (updates for PSO). During the training of these two robots, they were compared with the same rival robots with different characteristics and the fitness (success) values of the swarms during the training were monitored. After the training of the robots, it was observed that the training with the genetic algorithm took longer. The best individual success value and the average success rate of the herd were reached by genetic algorithm. On the other hand, with the particle swarm optimization algorithm, it has been observed that the average success value of the swarm continues to approach the success value of the individual with the highest success.

Benzer Tezler

  1. Tez No

    894817

    Centralized task allocation for multiple quadrupeds

    Çoğul quadrupedler için merkezi görev dağılımı

    HANDAN ÇEVİK SARI

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Mühendislik Bilimleriİstanbul Teknik Üniversitesi

    Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı

    PROF. DR. HAKAN TEMELTAŞ

  2. Tez No

    788047

    Robotik sıkıştırılmış kutuya toplama depo sistemlerinde toplama politikalarının yapay arı kolonisi algoritması ile belirlenmesi

    Determination of picking policies in robotic compact bin picking storage systems with artificial bee colony algorithm

    FURKAN YENER

    Doktora

    Türkçe

    Türkçe

    2023

    Endüstri ve Endüstri MühendisliğiSakarya Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. HARUN REŞİT YAZĞAN

  3. Tez No

    487811

    Fotovoltaik sistemlerde yeniden düzenleşim için sezgisel yöntemlerin uygulanması

    Implementation of heuristic methods for reconfiguration of photovoltaic system

    BURÇİN ÖZKAYA

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Elektrik ve Elektronik MühendisliğiSüleyman Demirel Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. OKAN BİNGÖL

  4. Tez No

    428562

    Dinamik araç rotalama problemine parçacık sürü optimizasyonu algoritması çözüm önerisi

    A particle swarm optimization algorithm for dynamic vehicle routing problem

    YONCA ERDEM DEMİRTAŞ

    Doktora

    Türkçe

    Türkçe

    2015

    Endüstri ve Endüstri Mühendisliğiİstanbul Üniversitesi

    İşletme Ana Bilim Dalı

    PROF. DR. ERHAN ÖZDEMİR

  5. Tez No

    166630

    Atölye tipi çizelgeleme problemlerine parçacık sürü optimizasyonu yaklaşımı ve genetik algoritma modeli ile karşılaştırılması

    A particle swarm optimization approach for the job shop scheduling problems and comparing with the genetic algorithm model

    MEHMET ŞEVKLİ

    Doktora

    Türkçe

    Türkçe

    2005

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    Y.DOÇ.DR. MEHMET MUTLU YENİSEY

Geri Dön