Показати скорочену інформацію

dc.contributor.authorКулик, Я. А.uk
dc.contributor.authorКниш, Б. П.uk
dc.contributor.authorБарабан, М. В.uk
dc.contributor.authorKulyk, Ya. A.en
dc.contributor.authorKnysh, B. P.en
dc.contributor.authorBaraban, M. V.en
dc.date.accessioned2022-11-28T10:41:14Z
dc.date.available2022-11-28T10:41:14Z
dc.date.issued2022
dc.identifier.citationКулик Я. А. Моделювання переміщення вантажів на основі мурашиного алгоритму за допомогою групи безпілотних літальних апаратів [Текст] / Я. А. Кулик, Б. П. Книш, М. В. Барабан // Вісник Вінницького політехнічного інституту. – 2022. – № 5. – С. 73–79.uk
dc.identifier.issn1997-9274
dc.identifier.urihttp://ir.lib.vntu.edu.ua//handle/123456789/35975
dc.description.abstractВ роботі розглянуто проблеми переміщення значної кількості однотипних вантажів, розміщених на певній території, для групування їх у єдиному місці (складі). До них варто віднести недосконалість інфраструктури, незадовільний стан транспортного обслуговування та зношеність рухомого скла-ду, низька якість транспортних шляхів, їх перевантаженість, віддаленість точок прийому та видачі, погана організація процесу переміщення, непрогнозовані витрати тощо. Для вирішення цих проблем запропоновано використання групи безпілотних літальних апаратів та розв`язання задачі ефектив-ного управління їх рухом, шляхом використання алгоритму стохастичної оптимізації, а саме мура-шиного алгоритму ANTS.Запропоновано вдосконалений метод мурашиного алгоритму ANTS, який використовує функцію зміни інтенсивності цифрового феромону, та, на відміну від існуючих алгоритмів, використовує не лінійне, а кубічне динамічне масштабування зміни цифрового феромону, що дозволяє зосереджува-тись на пошуку не лише виключно найкоротших маршрутів, але й враховувати нові. Проведено експериментальні дослідження зпереміщеннявантажів зарізн оїкільк ості безпілотних літальних апаратів шляхом моделювання в середовищі WeBots, використовуючи тестові безпілотні літальні апарати Мavic 2 Рro для переміщення однотипних вантажів масою 150 грамів до єдиного центру (складу). На їхнійоснові проведено оцінюванняефективності переміщення вантажів, тобто встановлено залежність кількості переміщених вантажів за час виконання переміщення. Встановле-но, що ефективність цього процесу збільшується зі збільшенням кількості безпілотних літальних апаратів, оскільки зменшується час виконання переміщення. Також встановлено, що з кожним под альшим збільшенням кількості безпілотних літальних апаратів приріст ефективності стає меншим через очікування в черзі на вивантаження.uk
dc.description.abstractThis article is about issues that happen during moving a large number of similar goods that are located on a certain site and concentrating them in one place (warehouse). These issues include imperfect conditions of facilities, unsatisfactory state of transport service, exhausted rolling stocks, low quality or overloading of transport routs, remote sites of goods` re-ception and delivery points, poor managing of goods moving, unexpected outcomes, etc. In order to solve these problems the authors recommend using of a group of unpiloted air vehicles (UAV) and solving the issues related to an efficient man-ag ing of their moving by the means of stochastic optimization algorithm, namely the ANTS ant algorithm. Authors propose the improved methods of an ant algorithm ANT that uses the function of changing the intensity of the digital phenomenon, and, unlike existing algorithms, uses not linear, but cubic dynamic scaling of the change of the digital phenomenon that allow us to focus on searching not only the short routes of shipping but also on consideration of a new one. The experiments on goods movement by the different quantities of involved UAV have been conducted using the modeling in WeBots and the test Mavic 2Pro UAVs for shipping 150 g typical loads to the one site (storehouse). The assessment of efficiency of loads shipping was conducted on the base of its results and a relation between a quantity of shipped loads and a time of shipping was defined. It was found that the efficacy of this process increases with increase in the number of UAV because the time of moving decreases. Also, it was found that the every next increase in the number of involved UAVs causes the smaller in-crease in efficiency due to the waiting in a line for a load`s disembarking.en
dc.language.isouk_UAuk_UA
dc.publisherВНТУuk
dc.relation.ispartofВісник Вінницького політехнічного інституту. № 5 : 73-79.uk
dc.relation.urihttps://visnyk.vntu.edu.ua/index.php/visnyk/article/view/2808
dc.subjectбезпілотні літальні апаратиuk
dc.subjectкількість переміщених вантажівuk
dc.subjectцифровий феромонuk
dc.subjectмурашиний алгоритмuk
dc.subjectпереміщення вантажівuk
dc.subjectunmanned aerial vehiclesen
dc.subjectnumber of moved loadsen
dc.subjectdigital pheromoneen
dc.subjectant algorithmen
dc.subjectmoving loadsen
dc.titleМоделювання переміщення вантажів на основі мурашиного алгоритму за допомогою групи безпілотних літальних апаратівuk
dc.title.alternativeModeling of Goods Movement by a Group of Unpiloted Aerial Vehicles Based on the Ant Colony Algorithmen
dc.typeArticle
dc.identifier.udc629.7.01
dc.relation.referencesВ. І. Перебийніс, і О. В. Перебийніс, Транспортно-логістичні системи підприємств: формування та функціонування. Полтава, Україна: РВВ ПУСКУ, 2005, 207 c.uk
dc.relation.referencesXin-She Yang, Slawomir Koziel, and Leifur Leifsson, “Computational optimization, modeling and simulation: Past, present and future,” in International Conference on Computational Science, 2014, no. 29, pp. 754-758.en
dc.relation.referencesXueping Zhu, Zhengchun Liu, and Jun Yang, “Model of Collaborative UAV Swarm Toward Coordination and Control Mechanisms Study,” in International Conference On Computational Science, 2015, vol. 51, pp. 493-502.en
dc.relation.referencesБ. П. Книш, Я. А. Кулик, і М. В. Барабан, «Класифікація безпілотних літальних апаратів та їх використання для доставки товарів,» Вісник Хмельницького національного університету, № 3, с. 246-252, 2018.uk
dc.relation.referencesО. Б. В’юненко, і Л. П. Воронець, Дослідження операцій. Системи масового обслуговування. Суми, Україна: СНАУ, 2008, 370 с.uk
dc.relation.referencesH. Wang, and W. Chen, “Multi-Robot Path Planning with Due Times,” IEEE Robot, vol. 7, pр. 4829-4836, 2022.en
dc.relation.referencesT. Cimino, I. Tanev, and K. Shimohara, “Superadditive effect of multirobot coordination in the exploration of unknown environments via stigmergy,” Neurocomputing, vol. 148, pр. 83-90, 2015.en
dc.relation.referencesS. D. Shtovba, “Ant Algorithms: Theory and Applications,” Programming and Computer Software, vol. 31, pр. 167-178, 2005. https://doi.org/10.1007/s11086-005-0029-1.en
dc.relation.referencesW. Deng, H. M. Zhao, L. Zou, G. Y. Li, X. H. Yang, and D. Q. Wu, “A novel collaborative optimization algorithm in solving complex optimization problems,” Soft Comput., vol. 21, pp. 4387-4398, 2017.en
dc.relation.referencesJ. Yu, X. M. You, and S. Liu, “Ant colony algorithm based on magnetic neighborhood and filtering recommendation,” Soft Comput., vol. 25, pp. 8035-8050, 2021.en
dc.relation.referencesZ. Gao, J. Zhu, H. Huang, Y. Yang, and X. Tan, “Ant Colony Optimization for UAV-based Intelligent Pesticide Irrigation System,” in 2021 IEEE 24th International Conference on Computer Supported Cooperative Work in Design (CSCWD)”. 2021, pp. 720-726. doi: 10.1109/CSCWD49262.2021.9437825.en
dc.relation.referencesHb. Duan, Xy. Zhang, and J. Wu, “Max-Min Adaptive Ant Colony Optimization Approach to Multi-UAVs Coordinated Trajectory Replanning in Dynamic and Uncertain Environments,” J. Bionic Eng, vol. 6, pp. 161-173, 2009. https://doi.org/10.1016/S1672-6529(08)60113-4 .en
dc.relation.referencesX. Meng, X. Zhu, and J. Zhao, “Obstacle Avoidance Path Planning Using the Elite Ant Colony Algorithm for Parameter Optimization of Unmanned Aerial Vehicles,” Arab J Sci Eng, vol. 5, pp. 159-167, 2022. https://doi.org/10.1007/s13369-022-07204-7.en
dc.relation.referencesMeng, Xiaoling, and Zhu Xijing, “Autonomous Obstacle Avoidance Path Planning for Grasping Manipulator Based on Elite Smoothing Ant Colony Algorithm,” Symmetry, vol. 9, pp. 195-207, 2022. https://doi.org/10.3390/sym14091843.en
dc.relation.referencesM. G. Cimino, A. Lazzeri, and G. Vaglini, “Using differential evolution to improve pheromone-based coordination of swarms of drones for collaborative target detection,” ICPRAM, vol. 18, pр. 605-610, 2016.en
dc.relation.referencesYu. Bin, Yang Zhong-Zhena, and Yao Baozhen, “An Improved Ant Colony Optimization for Vehicle Routing Problem,” European Journal of Operational Research, pp. 171-176, 2009. doi: 10.1016/j.ejor.2008.02.028 .en
dc.relation.referencesS. C. Ho, and D. Haugland, “A tabu search heuristic for the vehicle routing problem with time windows and split deliveries,” Comput. Oper. Res., vol. 31, pp. 1947-1964, 2004.en
dc.relation.referencesC. Zhang, C. Hu, J. Feng, Z. Liu, Y. Zhou, and Z. Zhang, “A Self-Heuristic Ant-Based Method for Path Planning of Unmanned Aerial Vehicle in Complex 3-D Space With Dense U-Type Obstacles,” IEEE Access, vol. 7, pp. 150775-150791, 2019. doi: 10.1109/ACCESS.2019.2946448 .en
dc.relation.referencesM. Vittorio, and C. Antonella, “An ANTS heuristic for the frequency assignment problem,” Future Generation Computer Systems, vol. 16, issue 8, pp. 927-935, 2000. https://doi.org/10.1016/S0167-739X(00)00046-7 .en
dc.relation.referencesV. Maniezzo, and A. Carbonaro, “An ANTS Heuristic for the Assignment Problem,” Future Generation Computer Systems, vol. 16(8), pp. 927-935, 2000.en
dc.relation.referencesV. Maniezzo, A. Carbonaro, and H. Hildmann, “An ANTS Heuristic for the Long-Term Car Pooling Problem,” New Optimization Techniques in Engineering. Studies in Fuzziness and Soft Computing, vol. 141, pp. 411-430, 2004.en
dc.relation.referencesV. Maniezzo, M. A. Boschetti, and T. Stutzle, Matheuristics. Algorithms and Implementations. Berlin, Germany: Springer, 2021, 212 p.en
dc.relation.referencesM. Dorigo, and L. M. Gambardella, “Ant Colony System: A Cooperative Learning Approach to the Traveling Salesman Problem,” IEEE Transactions of Evolutionary Computing, vol. 1(1), pp. 53-66, 1997.en
dc.relation.referencesS. Singh, S. Lu, M. M. Kokar, P. A. Kogut, and L. Martin, “Detection and classiffcation of emergent behaviors using multi-agent simulation framework (wip),” Proceedings of the Symposium on Modeling and Simulation of Complexity in Intelligent, Adaptive and Autonomous Systems, vol. 3, pр. 1-8, 2017.en
dc.relation.referencesD. Bloembergen, K. Tuyls, D. Hennes, and M. Kaisers, “Evolutionary dynamics of multi-agent learning: a survey,” Journal of Artiffcial Intelligence Research, vol. 53, pр. 659-697, 2015.en
dc.identifier.doi10.31649/1997-9266-2022-164-5-73-79


Файли в цьому документі

Thumbnail

Даний документ включений в наступну(і) колекцію(ї)

Показати скорочену інформацію