پروژه متلب رهیابی ربات متحرک در حضور موانع با الگوریتم باکتری
استفاده از رگرسیون در الگوریتم کاوش باکتریایی برای بهبود مسیریابی ربات‌ها
مسیریابی ربات‌ها معمولا یکی از فاکتورهای اصلی روباتیک است. الگوریتم‌های زیادی برای مسیریابی ربات پیشنهاد شده‌اند: مسیریابی براساس روش‌های ترکیبی هندسی، منطق فازی و الگوریتم ژنتیک. در مطالعه حاضر الگوریتم کاوش باکتریایی (BFA)برای طراحی مسیر ربات‌ها استفاده شده‌است. اما مسیر به‌دست‌آمده منحنی و نقطه زیگزاگ در این مسیر وجود دارد. علاوه بر این، بسیاری از ربات‌ها نمی‌توانند مسیر را تغییر دهند یا تغییر دهند. در نتیجه، روبات‌ها باید در نقطه‌ای از مسیر برای تغییر مسیر و جهت تغییر توقف کنند. این به معنی هدر دادن زمان و رسیدن به هدف بعدی است. این مطالعه مدل‌های ریاضی مانند رگرسیون و درون‌یابی را ترکیب کرده‌است تا مسیر منحنی را تغییر دهد. بنابراین، روبات‌ها می‌توانند بدون توقف از مسیر عبور کنند تا بتوانند زودتر به هدف برسند. در بخش شبیه‌سازی این مطالعه، یک ربات با استفاده از نرم‌افزار Webots و C ساخته شد. نتایج نشان می‌دهد که ربات با الگوریتم ترکیبی می‌تواند خیلی زودتر به هدف برسد.
Using Regression in Bacterial Foraging Algorithm to Improve Robots Routing
Robots routing is usually one of the essential factors in robotics. A lot of algorithms have been proposed for robots routing like: Routing based on combined geometric methods, fuzzy logic and genetic algorithm. In the present study the Bacterial Foraging Algorithm (BFA) has been used for robots path planning. But the obtained path is not curve and there are some zigzag points in this path. In addition most of robots not able to turn or change the direction, suddenly. As a result, robots have to stop at some point of path for turn and change direction. It means a lot of waste of time and to reach the goal later. This study has combined mathematical models like Regression and interpolation, with BFA to change the path into curve. Therefore, robots can pass the path without any stoppage, so they can reach the goal sooner. In the simulation part of this study a robot was made by using Webots software and C language. The results show that the robot with the combined algorithm could reach the goal much sooner.
هر یک از m فایل های test_1Obj تا test_4Obj را می توانید اجرا کرده و خروجی دو الگوریتم را با ۱، ۲، ۳ و ۴ مانع با مختصات ذکر شده در مقاله بدست آورید. متغیر های طول مسیر و Fittness دو روش محسبه شده و در عنوان هر عکس نمایش داده می شود.
البته تصاویر خروجی نهایی بعد از اجرای هر چهار فایل را نیز به دو صورت fig و همچنین jpg ذخیره کرده ایم که قابل مشاهده می باشد.
لطفاً براي ارسال دیدگاه، ابتدا وارد حساب كاربري خود بشويد