$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

[국내논문] Harmony Search 알고리즘 기반 군집로봇의 행동학습 및 진화
Behavior Learning and Evolution of Swarm Robot based on Harmony Search Algorithm 원문보기

한국지능시스템학회 논문지 = Journal of Korean institute of intelligent systems, v.20 no.3, 2010년, pp.441 - 446  

김민경 (중앙대학교 전자전기공학부) ,  고광은 (중앙대학교 전자전기공학부) ,  심귀보 (중앙대학교 전자전기공학부)

초록
AI-Helper 아이콘AI-Helper

군집 로봇시스템에서 개개의 로봇은 스스로 주위의 환경과 자신의 상태를 스스로 판단하여 행동하고, 필요에 따라서는 다른 로봇과 협조를 통하여 임의의 주어진 임무를 수행할 수 있어야 한다. 따라서 각 로봇 개체는 동적으로 변화하는 환경에 잘 적응할 수 있도록 하기 위한 학습 및 진화능력을 갖는 것이 필수적이다. 이를 위하여 본 논문에서는 Q-learning 알고리즘을 기반으로 하는 학습과 Harmony Search 알고리즘을 이용한 진화방법을 제안하였으며, 유전 알고리즘이 아닌 Harmony Search 알고리즘을 제안함으로써 정확도를 높이고자 하였다. 그 결과를 이용하여 군집 로봇의 로봇 개체 환경변화에 따른 임무 수행 능력의 향상을 검증한다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Each robot decides and behaviors themselves surrounding circumstances in the swarm robot system. Robots have to conduct tasks allowed through cooperation with other robots. Therefore each robot should have the ability to learn and evolve in order to adapt to a changing environment. In this paper, we...

Keyword

#Harmony Search 알고리즘   #군집로봇   #진화연산   #Q-학습 알고리즘  

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 이러한 관점에서 본 논문에서는 자율적으로 행동하며 시스템 목적을 위한 로봇 실현을 위하여 주어진 환경이 아닌 새로운 환경에서 적응할 수 있는 구조를 설계하여 주었다. 로봇은 주어진 환경에서 자신의 행동을 학습하기 위하여 강화학습을 이용하였고 진화를 위하여 전체의 해 벡터를 고려하고 2진 변환이 필요 없는 Harmony Search 알고리즘을 도입하였다.
  • 본 논문에서는 자율이동로봇군의 행동학습과 진화를 위하여 군집 로봇의 협조탐색 문제의 하나인 다수 로봇에 의한 물체 획득 문제로 설정하였다.
  • 이를 해결하기 위하여 본 논문에서는 로봇에게 완전한 프로그램을 만들어주기 보다는 변화하는 환경에 유연하게 대처하고 진화해 나갈 수 있는 시스템을 구현하고자 하는 방법으로 기존의 Q-학습 알고리즘을 이용하여 학습한 것을 새롭게 등장하는 Harmony Search 알고리즘을 이용한 진화방법을 제안하였다. 그림 1에서와 같이 진화가 이뤄진 경우가 적합도가 좋아졌고, HS알고리즘과 비교하였을 때 더욱 정확도가 높아져 적합도 또한 좋아질 것이라고 예측이 되었고, 그림 2와 그림 4에서 알 수 있듯이 그림 4에서 GA 를 결과 값이 불안정 한 것을 알 수 있기 때문에 GA보다 좀 더 정확한 최적의 해벡터를 구할 수 있다는 사실을 알 수 있다.

가설 설정

  • 유전알고리즘 보다 Harmony Search 알고리즘을 이용함으로써 정확도가 보다 높아질 것이다. 주어진 일에 대하여 이와 같은 목적을 달성하기 위하여 각각의 로봇은 기본적으로 주변의 환경을 인식할 수 있는 센싱 능력과 서로 통신을 할 수 있는 능력을 가정한다. 로봇은 센싱에 의하여 올바른 행동을 학습하고 통신을 통하여 다른 로봇과 정보를 교환함으로써 행동전략을 진화시킨다[7].
  • 1. 모든 상태 s와 행동 a의 Q(s,a)에 대하여 0보다 크고 1이 하의 임의의 값으로 초기화한다. 주의할 것은 초기 값이 0인 경우는 아래의 (1)식에 의거하여 행동선택이 되지 않는다는 사실이다.
  • 2. 현재의 상태 s를 인식한다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
최적화 알고리즘은 무엇을 추구하는가? 음악 연주는 미적 판단에 의해 결정된 최고의 상태(환상 적인 하모니)를 추구하듯이 최적화 알고리즘은 목적함수 평가에 의해 결정된 최고의 상태(글로벌 최적화)를 추구한다. 미적 판단은 함께 연주되는 악기의 소리세트에 의해 결정되듯이 목적함수평가는 변수에 의해 생성된 값의 세트에 의해 결정된다.
군집 지능이란 무엇인가? 로봇의 지능에 대한 우리의 관심은 기존의 연구 사례들 중에서 자연에 존재하는 생태계의 메커니즘을 모사한 군집 지능(Swam Intelligence)에 주목하게 되었다[4][5]. 군집 지능은 개미, 새, 물고기 등 무리를 이루는 생태계 군집 내의 개체간의 상호 작용과 개체군의 사회적 행동 습성을 모델로된 시스템이다. 군집을 이루는 개체들은 상대적으로 단순한 생체적 특징을 가지고 있으며, 이들 집단적 행동을 관여하는 중앙 집중형 제어 메커니즘을 가지고 있지 않음에도 불구하고 군집을 이루는 개체들 사이의 상호 작용에 의해 종종 전역적이며, 매우 복잡한 행동 양식을 보인다.
인공생명 기법에 의한 로봇은 기존의 지능 로봇에 대한 연구 사례들을 종합해보면 어떤 특징을 갖는가? 인공생명 기법에 의한 로봇은 기존의 지능 로봇에 대한 연구 사례들을 종합해보면 다음과 같은 세 가지 특징을 갖는다[6]. 첫째로 문제의 수행에 있어서 사전에 짜인 계획보다는 예측하지 못한 문제가 발생했을 경우 즉각적인 대처와 적응 및 학습을 해나가는 능력이 있다. 따라서 행동계획은 보다 적응적으로 환경조건으로부터 발현될 수 있도록 하기 위해 설계자는 로봇 스스로 문제를 가능한 구조로 만들 필요가 있다. 두 번째로 개체 간 또는 환경과의 상호작용에 의해 창발적인 행동이 나타난다. 세 번째로 자연에서 개체는 다른 개체에 대한 관찰과 모방을 통하여 학습을 한다. 이것은 개체가 부가적인 지식을 얻는 실제적 방법으로 로봇이 학습하는데 좋은 결과를 얻을 수 있다. 하지만 군집로봇에서 대부분의 로봇은 다른 로봇이 무엇을 하는지 , 또 어디로 가는지에 대한 것을 감지 할 수 있는 충분히 발전된 인지능력을 가지고 있지 못하다.
질의응답 정보가 도움이 되었나요?

참고문헌 (18)

  1. http://www.robhaz.com, "ROBHAZ" 

  2. "위험 작업용 로봇 기술 동향", 한국 과학 기술 정보 연구원, 2004 

  3. http://mars.jpl.nasa.gov "Mars Exploration program" 

  4. G. Beni, "From Swarm Intelligence to Swarm Robot", Swarm Robotics WS 2004, LNCS 3342, pp. 1-9, 2005. 

  5. S. Garnier, J. Gautrais and G. Theraulaz, "The Biological Principals of Swarm Intelligence", Swarm Intelligence, Springer New york, Vol.1, No.1, pp.3-31, 2007. 

    상세보기 crossref

  6. 이동욱, 심귀보, “인공면역계 기반의 자율이동로봇군의 협조행동전략 결정,” 대한전자공학회 논문지, 제35권 S편 제 3호, pp. 102-109, 1998. 3. 

  7. 심귀보, 이동욱, “군집 로봇의 협조행동을 위한 로봇 개체의 행동학습과 진화”, 퍼지 및 지능시스템학회 논문지 2006, Vol. 16, No. 2, pp. 131-137. 

    원문보기 상세보기

  8. S. Doctor, G. K. Venayagamoorthy and V. G. Gudise, "Optimal PSO for Collective Robotics Search Applications", Proceedings of the 2004 IEEE Congress on Evolutionary Computation, Vol. 2, pp. 1390-1395, 2004. 

  9. J. M. Hereford, "A Distributed Particle Swarm Optimization Algorithm for Swarm Robotic Application", Proceedings of the 2006 IEEE Congress on Evolutionary Computation, pp. 1678-1685, 2006. 

  10. W, Jatmiko, K. Sekiyama and T. Fukuda, "A PSO-based Mobile Sensor Network for Odor Source Localization in Dynamic Environment: Theory, Simulation and Measurement", Proceedings of the 2006 IEEE Congress on Evolurionary Computation, pp. 1036-1043, 2006. 

  11. Geem, Z. W., Kim, J. H., and Loganathan, G. V. “A New Heuristic Optimization Algorithm: Harmony Search.” Simulation, 76(2), pp. 60-68, 2001. 

    상세보기 crossref

  12. Lee, K.S., Geem, Z.W. “A new meta-heuristic algorithm for continuous engineering optimization” harmony search theory and practice. Computer Methods in Applied Mechanics and engineering 194, pp. 3902-3922, 2005. 

    상세보기 crossref

  13. Lee, K.S., Geem, Z.W. “A new structural optimization method based on the harmony search algorithm.” Computers and Structures 82, pp. 781-798, 2004 

    상세보기 crossref

  14. Geem, Z.W., Kim, J.H., “Loganathan Journal of Modeling and Simulation” 22, pp. 125-133, 2002. 

  15. Geem, Z.W. “Harmony search algorithm for solving sudoku.” In: Apolloni, B., Howlett, R.J., Jain, L.(eds.) KES 2007, Part I. LNCS(LNAI), vol.4692, pp. 371-378. Springer, Heidelberg, 2007. 

  16. M. Fesanghary a,*, M. Mahdavi b, M. Minary-Jolandan c, Y. Alizadeh a "Hybridizing harmony search algorithm with sequential quadratic programming for engineering optimization problems" 

    상세보기 crossref

  17. K.S. Lee, Z.W. Geem, A new meta-heuristic algorithm for continues engineering optimization: harmony search theory and practice, Computer Methods in Applied Mechanics and engineering 194, pp. 3902？.3933, 2004. 

    상세보기 crossref

  18. Homaifar, A., Qi, C. X. and Lai, S. H. “Constrained Optimization via Genetic 

    상세보기 crossref

저자의 다른 논문 :

활용도 분석정보

상세보기
다운로드
내보내기

활용도 Top5 논문

해당 논문의 주제분야에서 활용도가 높은 상위 5개 콘텐츠를 보여줍니다.
더보기 버튼을 클릭하시면 더 많은 관련자료를 살펴볼 수 있습니다.

관련 콘텐츠

오픈액세스(OA) 유형

FREE

Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로