ISSN 0021-3454 (print version)
ISSN 2500-0381 (online version)
Menu

8
Issue
vol 62 / August, 2019
Article

DOI 10.17586/0021-3454-2017-60-9-912-917

UDC 621.398 Р336

BIOLOGICAL CONTROL ALGORITHM FOR SEARCHING MOVEMENTS OF INERTIAL AGENT

A. B. Bushuev
ITMO University, Department of Control Systems and Informatics; Associate Professor


Y. V. Litvinov
ITMO University, Saint Petersburg, 197101, Russian Federation; Senior lecturer


O. K. Mansurova
University of Mines, Department of Technological Process Automation and Production; Associate Professor


V. A. Petrov
ITMO University, Department of Computer Science and Control Systems; Post-Graduate Student


Read the full article 

Abstract. An intellectual agent that solves the task of finding the maximum of the smell function of in threedimensional space is considered. The direction of movement of the agent depends on the inertia of decisionmaking. A model of the search with the account for inertia of the trend generation process and resistance is developed. Experimental data and simulated results obtained with the use of the model of inertial agent of search are presented.
Keywords: biological algorithms of control, random search, intellectual agent, inertia

References:
  1. Oyekan J., Huosheng Hu. Biologically-inspired behaviour based robotics for making invisible pollution visible: a survey // Advanced Robotics. 2014. Vol. 28, N 5. P. 271—288. DOI:10.1080/01691864.2013.871578.
  2. Mair E., Augustine M., Jäger B., Stelzer A., Brand Ch., Burschka D., Suppa M. A biologically inspired navigation concept based on the Landmark-Tree map for efficient long-distance robot navigation // Advanced Robotics. 2014. Vol. 28, N 5. P. 289—302. DOI: 10.1080/01691864.2013.871770.
  3. Augustine M., Mair E., Stelzer A., Ortmeier F., Burschka D., Suppa M. Landmark-tree map: a biologically inspired topological map for long-distance robot navigation // IEEE Intern. Conf. on Robotics and Biomimetics (ROBIO); Guangzhou, China. 2012.
  4. Jäger B., Mair E., Brand C., Stürzl W., Suppa M. Efficient navigation based on the landmark-tree map and the zinf algorithm using an omnidirectional camera // IEEE/RSJ Intern. Conf. on Intelligent Robots and Systems (IROS); Tokyo, Japan. 2013.
  5. Cartwright B. A. Landmark learning in bees: experiments and models // J. Comp. Physiol. 1983. Vol. 151. P. 521—543.
  6. Cartwright B. A., Collett T. S. Landmark maps for honeybees // Biol. Cybern. 1987. Vol. 57. P. 85—93. 
  7. Бушуев А. Б., Воробьев В. С., Непомнящих В. А., Сергеев А. И. Алгоритмы управления совместным поведением интеллектуальных агентов в пространстве // Материалы 9-й Рос. конф. „Информационные технологии в управлении (ИТУ-2016)“. СПб: ЦНИИ „Электроприбор“, 2016. С. 311—316.
  8. Непомнящих В. А. Модели автономного поискового поведения // От моделей поведения к искусственному интеллекту: Монография / Под общ. ред. В. Г. Редько. М.: Изд-во URSS, 2006. С. 200—242.
  9. Бушуев А. Б., Воробьев В. С., Томашевич С. П., Мансурова О. К., Кульчицкий А. А. Поведение агента, заданное логистическим отображением // Изв. вузов. Приборостроение. 2015. Т. 58, № 8. С. 600—605.
  10. Murray J. D. Mathematical Biology I: An Introduction. Springer: 2002. 584 p.
  11. Гилмор Р. Прикладная теория катастроф: Пер. с англ. М.: Мир, 1984. Кн. 1. 350 с.
  12. Бушуев А. Б. Математическое моделирование процессов технического творчества. СПб: СПбГУ ИТМО, 2010. 181 с.
  13. Миркин Б. М., Наумова Л. Г. Краткий курс общей экологии. Ч. I. Экология видов и популяций: Учебник. Уфа: Изд-во БГПУ, 2011. 206 с.