文献

J-GLOBAL ID：202002249566302895   整理番号：20A2712202

事前クラスタリングと欲張りヒューリスティックのハイブリッドアプローチを用いた大規模ロボット経路計画への効果的な方法【JST・京大機械翻訳】

An Effective Way to Large-Scale Robot-Path-Planning Using a Hybrid Approach of Pre-Clustering and Greedy Heuristic

著者 (2件)： Wang W. C. (Department of Power Mechanical Engineering, National Tsing Hua University, Hsinchu City, Taiwan) ,  Chen R. (Department of Power Mechanical Engineering, National Tsing Hua University, Hsinchu City, Taiwan)
資料名： Applied Artificial Intelligence  (Applied Artificial Intelligence)
巻： 34  号： 14  ページ： 1159-1175  発行年： 2020年 
JST資料番号： T0289A  ISSN： 0883-9514  CODEN： AAINEH  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： ABSTRACT:ロボット経路計画は,ロボットのための運動コストを最適化するために最短経路を追求する。ロボット経路計画では,移動目標が大規模TSPとして知られている場合,計算時間は大幅に増加する。したがって,最短経路計画のための現在のアルゴリズムは,大規模TSPにおいて無効であるかもしれない。ロボットが限られた時間内でできるだけ多くの目標として達成しなければならないリアルタイムアプリケーションに狙いを定め,ロボットの計算時間は,次の移動信号を時間内に提供するために十分に短くなければならない。さもなければ,ロボットはアイドル状態にトラップされる。本研究では,事前クラスタリング欲張りヒューリスティックと呼ばれるハイブリッドアプローチを提案し,計算時間コストの低減に対処し,近最適解を達成した。提案したアルゴリズムは,k-平均クラスタリングとクラスタ内経路計画によって分割されたサブグループのより小さなデータを通して,計算時間コストを劇的に下げる方法を示す。アルゴリズムも開発し,任意の2つの非接続クラスタ間の最も近い接続を構築し,クラスタ間トルが最短であることを保証した。その結果,提案した発見的手法を利用することにより,計算時間は著しく短縮され,経路長はベンチマークアルゴリズムよりも効率的であり,一方,入力データは大規模まで成長する。応用において,提案した作業は,例えば,求愛におけるボール収集ロボットのための雇用のために,大規模な移動目標による経路計画に実際的に適用することができた。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  最適化 ,  *ロボット ,  *クラスタ化 ,  発見的方法 ,  *クラスタ ,  求愛 ,  ベンチマーク ,  *経路探索
準シソーラス用語： 最適解 ,  *ヒューリスティック ,  経路長 ,  リアルタイムアプリケーション ,  移動目標 ,  最短経路 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： クラスタリング ,  ヒューリスティック ,  ハイブリッドアプローチ ,  大規模 ,  ロボット ,  経路計画