مقاله پویش محیط ناشناخته و تخصیص کار توسط ربات های چندگانه با استفاده از یک معماری دو سطحی و الگوریتم ژنتیک

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 مقاله پویش محیط ناشناخته و تخصیص کار توسط ربات های چندگانه با استفاده از یک معماری دو سطحی و الگوریتم ژنتیک دارای ۳۲ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله پویش محیط ناشناخته و تخصیص کار توسط ربات های چندگانه با استفاده از یک معماری دو سطحی و الگوریتم ژنتیک  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله پویش محیط ناشناخته و تخصیص کار توسط ربات های چندگانه با استفاده از یک معماری دو سطحی و الگوریتم ژنتیک،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله پویش محیط ناشناخته و تخصیص کار توسط ربات های چندگانه با استفاده از یک معماری دو سطحی و الگوریتم ژنتیک :

تعداد صفحات :۳۲

سیستم ربات‌های چندگانه جهت انجام کارهایی که ماهیت توزیع شده در فضا، زمان و یا عملکرد دارند، بسیار مناسب می‌باشند. برای مسائلی نیز که قابلیت تفکیک به زیرمسائل مستقل از هم را دارند، استفاده از سیستم ربات‌های چندگانه به دلیل کاهش زمان تکمیل کار به صرفه خواهد بود. به کارگیری چنین سیستم‌هایی مستلزم تخصیص مناسب کارها در بین ربات‌ها است که از جمله مسائل NP-hard می‌باشد. در این مقاله، یک معماری دو سطحی جهت حل مسئله پویش محیط و یافتن کارهای موجود در آن توسط ربات‌های غیر همگن ارائه گردیده و پس از تخصیص کار بین ربات‌ها، مسیریابی ربات به سمت کارهای مورد نظر صورت می‌پذیرد. در سطح اول که از رویکرد توزیع شده استفاده شده است، ربات‌ها به صورت غیرمتمرکز و با استفاده از الگوریتم Multi SRT به پویش محیط پرداخته و مسیریابی آنها به سمت کارهای مورد نظر با استفاده از الگوریتم Multi Tangent Bug انجام می‌گیرد. در سطح دوم، به صورت متمرکز و با استفاده از الگوریتم ژنتیک ارائه شده (FGA)، ربات‌ها به کارهای مورد نظر تخصیص می‌یابند. انجام هر یک از کارها باعث ایجاد مطلوبیت برای سیستم شده و انجام تمامی کارها هدف غائی سیستم تلقی می‌شود. در ادامه، نتایج حاصل از شبیه‌سازی مسائل آزماینده مختلف، قابلیت اطمینان معماری ارائه شده در سطح اول و همچنین دقت و سرعت جواب‌های به دست آمده در سطح دوم را به اثبات رسانده و در پایان جهت اعتبارسنجی الگوریتم ژنتیک ارائه شده نتایج آن با الگوریتم ژنتیک NSGA-II مقایسه شده است.