Improved artificial bee colony algorithms for robot path planning
Algorithmes améliorés de colonies d’abeilles artificielles pour la planification de la trajectoire des robots
Résumé
As a class of stochastic algorithms, meta-heuristic algorithms are effective for solving optimization problems through a trade-off between randomization and local search. Such algorithms have been found to be effective and simple to understand. Nevertheless, there is still room for improvement, such as easy to be trapped in local optimums or slow convergence speed. And precisely handling the trade-off between exploration and exploitation for all optimization tasks is always challenging. In this context, this thesis focused on a class of meta-heuristic algorithms represented by the Artificial Bee Colony (ABC) algorithm and proposed a series of improved variants by analyzing the characteristics and weaknesses of the ABC algorithm. Furthermore, problems with a higher application value are also taken into account. The proposed enhanced ABC versions have successfully solved different types of optimization problems, including robot path planning tasks for single and multiple robots in various environments
En tant que classe d’algorithmes stochastiques, les algorithmes méta-heuristiques sont efficaces pour résoudre des problèmes d’optimisation grâce à un compromis entre la randomisation et la recherche locale. De tels algorithmes sont avérés efficaces et simples à comprendre. Néanmoins, il y a encore des pistes d’amélioration, comme la facilité d’être piégé dans les optimums locaux ou l’accélération de la vitesse de convergence. Et la gestion précise du compromis entre l’exploration et l’exploitation pour toutes les tâches d’optimisation est toujours un défi. Dans ce contexte, cette thèse traite une classe d’algorithmes méta-heuristiques représentée par l’algorithme ABC (Artificial Bee Colony). Une série de variantes améliorées en analysant les caractéristiques et les faiblesses de l’algorithme ABC a été proposée. De plus, des problèmes ayant une valeur d’application plus élevée sont également pris en compte. Les algorithmes ABC améliorés proposés ont résolu avec succès différents types de problèmes d’optimisation pratiques, y compris des tâches de planification de trajectoire pour un seul robot et multi-robots dans divers environnements.
| Origine | Fichiers produits par l'(les) auteur(s) |
|---|