[논문]개미 집단 최적화 기법을 이용한 이동로봇 최적 경로 생성 알고리즘 개발

이준오; 고종훈; 김대원

문제 정의

본 논문에서는 MAKLINK 그래프와 개미 집단 최적화 기법을 접목하므로 이동로봇의 기존의 경로 생성 및 장애물 회피의 연구 분야에서 어느 한 부분만을 고려하여 연구하였던 문제점을 극복 하는데 있어서 필요한 연구이다.
이러한 문제점을 해결하기 위해서 본 논문에서는 기존 정점 그래프 기법인 MAKLINK 그래프롤 사용하여 장애물 회피의 문제점을 보완한다.<그림 1>과 같이 장애물이 정의되었다고 가정할 때, 정적인 환경에서의 장애물들에 근접한 장애물들의 정점을 구한 후, 각 정점을 연결하여 중심점을 구한다.

제안 방법

<그림 1> 과 같이 맵 크기가 350m X 350m 인 정적인 환경에서 5개의 장애물을 두고 MAKLINK 그래프를 이용하여 각 장애물들의 정점을 연결 후, 정점들의 중심점들을 축출하였다. 축출된 중심점들을 이용하여 기존의 최단 경로 탐색 알고리즘인 Dijkstra 알고리즘과 개미 집단 최적화 알고리즘을 적용하여 비교한다.
본 논문에서는 기존의 정점 그래프인 MAKLINK 그래프를 사용하므로 각 정점들 간의 중심점을 만들어 이동을 하기때문에 정적인 환경에서의 장애물을 안전하게 회피한다. 그리고 MAKLINK 그래프에서 축출된 중심점들을 이용하여 개미 집단 최적화 기법을 적용하여 최단 경로를 생성한다.
기존의 정점 그래프 기법에서 중심점을 찾아내고, 중심점을 사용하여 개미 집단 최적화 기법을 접목시킴으로써 확률적인 결과 값과 장애물 회피에 대한 문제를 보완하였다. 차후에는 본 논문에서 사용한 기법을 이용하여 정적인 환경에서 이동로봇이 센서와 융합하여 실시간으로 데이터를 받아들이므로 장애물과 근접하게 경로를 생성하여 이동로봇이 처음 지점에서 마지막 지점까지 안전하게 장애물을 회피하며 최단 경로를 생성하여 지금보다 상대적으로 좋은 결과 값을 구하고, 차후에는 정적인 환경뿐만 아니라 동적인 환경에서도 실시간으로 빠르게 경로를 생성하게 될 것이다.
본 논문에서는 정적 장애물들의 정점에 MAKLINK 그래프를 사용하여 연결된 각 정점간의 중심점들을 만들고 각 중심점들에 개미칩단 최적화 기법을 접목하므로 최단경로를 생성한다. MAKLINK 그래프만으로는 장애물 회피에는 좋은 효과를 얻을 수 있겠지만 최단 경로를 생성하기는 어려우므로, MAKLINK 그래프를 실행 후, 개미 최적화 기법을 사용하여 최단 경로를 생성한다.
본 논문에서는 정적인 환경에서 MAKLINK 그래프를 이용하여 얻은 장애물들 간의 중심점을 연결하여 각 경로의 페로몬을 비교하며 페로몬의 양이 가창 많은 경로를 최단 경로로 정의하여 각각의 경로에 적용시키므로 최단경로를 생성한다..
본 논문에서는 최적화기법에서 사용되는 개미 집단 최적화 기법을 이동로봇의 최단 경로 생성 및 장애물 회피 문제에 적용시켰다. 기존의 정점 그래프 기법에서 중심점을 찾아내고, 중심점을 사용하여 개미 집단 최적화 기법을 접목시킴으로써 확률적인 결과 값과 장애물 회피에 대한 문제를 보완하였다.
예를 들면, 포텐셜 필드의 경우에는 포텐셜 함수가 감소하는 방향으로 경로를 설계하기 때문에 포텐셜 함수의 지역적인 변화가 음이 아닌 국소 최소 점에 빠질 가능성이 높다퍼지 논리의 경우에는 입력 값이 많아질 경우 퍼지 법칙이 급격히 증가하기 때문에 연산양이 기하급수적으로 많아지게 되므로 초기 경로생성이 어렵다[6].신경망은 살존하는 지식을 습득하므로 학습을 하지만, 습득된 지식을 채 표현하기에 어려움이 있다[7L유전자 알고리즘은 진화 알고리즘으로서 최적화 문제에 사용이 되고 있지만, 기존의 유전자 알고리즘을 이용한 전역경로 설정방법은 가능 경로를 미리 연결하고 부적절한 경로를 도태시키는 방법의 접근이 이루어졌으며, 정적환경에서의 오목 다면체나 원형 또는 복잡한 환경에는 적용이 어렵다 본 논문에서는 이전 연구들의 단점을 극복하고자, 진화알고리즘인 개미 집단 최적화 기법을 사용하여 최적화 경로를 생성한다, 기존의 정점 그래프인 MAKLINK 그래프를 사용하여 장애물의 정보 파악 및 회피롤 하고, 최단 경로 생성에는 개미 집단 최적화 기법을 사용하여 장애물 정보 파악 및 회피와 최단경로 생성을 함께 고려한다. 본 논문에서는 기존의 정점 그래프인 MAKLINK 그래프를 사용하므로 각 정점들 간의 중심점을 만들어 이동을 하기때문에 정적인 환경에서의 장애물을 안전하게 회피한다.
이러한 문제를 해결하기 위하여 개미 집단 최적화 기법을 사용하도록 한다. 하지만, 개미 집단 최적화 기법을 로봇 경로 생성에 접목하는데 있어서 가장 큰 문제점은 장애물 회피가 어렵다는 접이다.

대상 데이터

축출된 중심점들을 이용하여 기존의 최단 경로 탐색 알고리즘인 Dijkstra 알고리즘과 개미 집단 최적화 알고리즘을 적용하여 비교한다. 비교대상은 최단 경로 길이와 노드의 개수이다. 각각의 알고리즘을 적용 시 생성되는 경로는<교림 3>와 같으며, 최단 경로의 길이와 지나간 노드의 개수는 표1과 같다.

데이터처리

정점들의 중심점들을 축출하였다. 축출된 중심점들을 이용하여 기존의 최단 경로 탐색 알고리즘인 Dijkstra 알고리즘과 개미 집단 최적화 알고리즘을 적용하여 비교한다. 비교대상은 최단 경로 길이와 노드의 개수이다.

이론/모형

중심점들을 이용하여 개미 집단 최적화 기법을 사용하여 최단 경로를 생성한다. 이러한 방법을 사용하므로 최단 경로의 문제점을 보완하고 중심점들을 이용 하므로 확률적인 기법의 문제점을 해결한다.

성능/효과

시뮬레이션 결과 제안된 알고리즘의 우월함을 볼 수 있다.

후속연구

기존의 정점 그래프 기법에서 중심점을 찾아내고, 중심점을 사용하여 개미 집단 최적화 기법을 접목시킴으로써 확률적인 결과 값과 장애물 회피에 대한 문제를 보완하였다. 차후에는 본 논문에서 사용한 기법을 이용하여 정적인 환경에서 이동로봇이 센서와 융합하여 실시간으로 데이터를 받아들이므로 장애물과 근접하게 경로를 생성하여 이동로봇이 처음 지점에서 마지막 지점까지 안전하게 장애물을 회피하며 최단 경로를 생성하여 지금보다 상대적으로 좋은 결과 값을 구하고, 차후에는 정적인 환경뿐만 아니라 동적인 환경에서도 실시간으로 빠르게 경로를 생성하게 될 것이다.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

개미 집단 최적화 기법을 이용한 이동로봇 최적 경로 생성 알고리즘 개발
DEVELOPMENT OF A NEW OPTIMAL PATH PLANNING ALGORITHM FOR MOBILE ROBOTS USING THE ANT COLONY OPTIMIZATION METHOD 원문보기

Abstract ▼ AI-Helper

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

개미 집단 최적화 기법을 이용한 이동로봇 최적 경로 생성 알고리즘 개발 DEVELOPMENT OF A NEW OPTIMAL PATH PLANNING ALGORITHM FOR MOBILE ROBOTS USING THE ANT COLONY OPTIMIZATION METHOD 원문보기

Abstract ▼ AI-Helper

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

개미 집단 최적화 기법을 이용한 이동로봇 최적 경로 생성 알고리즘 개발
DEVELOPMENT OF A NEW OPTIMAL PATH PLANNING ALGORITHM FOR MOBILE ROBOTS USING THE ANT COLONY OPTIMIZATION METHOD 원문보기

AI 본문요약
AI-Helper