ISSN 0021-3454 (печатная версия)
ISSN 2500-0381 (онлайн версия)
Меню

11
Содержание
том 60 / НОЯБРЬ, 2017
СТАТЬЯ

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

УДК 621.398 Р336

БИОЛОГИЧЕСКИЙ АЛГОРИТМ УПРАВЛЕНИЯ ПОИСКОВЫМИ ДВИЖЕНИЯМИ ИНЕРЦИОННОГО АГЕНТА

Бушуев А. Б.
Университет ИТМО; докторант


Литвинов Ю. .
Университет ИТМО, Санкт-Петербург, 197101, Российская Федерация; доцент, старший преподаватель


Мансурова О. К.
Северо-западный заочный государственный политехнический университет;


Петров В. А.
Университет ИТМО, кафедра систем управления и информатики; аспирант


Аннотация. Рассматривается интеллектуальный агент, решающий задачу поиска максимума функции запаха в трехмерном пространстве. Направление движения агента зависит от инерционности принятия решений. Получена модель поиска с учетом инерционности процесса выработки тенденций и сопротивления ему. Проводится моделирование поисковых движений инерционного агента.
Ключевые слова: биологические алгоритмы управления, случайный поиск, интеллектуальный агент, инерция

Список литературы:
  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.