تحليل عملكرد الگوريتم كنترل توزيع شده براي جستجوي مشاركتي توسط سيستم چند عامله

Performance Study of Distributed Control Algorithm for Cooperative Search using Multi-Agent System

استفاده از چندين عامل هوشمند به صورت توزيع شده، به علت مزاياي عملياتي بهتر نظير مقاوم بودن، پردازش موازي، اسكيل پذيري و بهينگي هزينه، به استفاده از يك سيستم جامع متمركز ترجيح داده مي شود. اين امر در ماموريت هاي هوايي به دليل ابعاد فضاي عمليات و محيط عملكردي نامعين، از اهميت به مراتب بيش تري برخوردار مي گردد. يكي از عمليات هاي متداول در سامانه هاي هوايي چند عامله، عمليات جستجو است. در يك عمليات جستجو فضاي مورد پويش مي بايست به طريقي مطلوب ميان عامل ها تقسيم شود و هر عامل به نحوي مطلوب در راستاي بهترين پويش ممكنه در فضاي اختصاص يافته به آن گام بردارد. با توجه به ساختار شبكه هاي توزيع شده، نحوه ي تبادل داده، اعم از اطلاعات بدست آمده از محيط و جهت حركت عامل در آينده ي نزديك در انتخاب مسير توسط ساير عامل ها موثر خواهد بود. در اين مقاله مسئله جستجوي چند عامله شامل چندين پرنده ي بدون سرنشين، به صورت توزيع شده در نظر گرفته شده است. بر اين اساس ابتدا مدل سينماتيكي پرنده هاي بدون سرنشين، مدل رياضي فضاي جستجو، حسگر تصويري و ارتباط مخابراتي ارائه مي شود. سپس با استفاده از قاعده ي بيزين، به روزرساني و به اشتراك گذاري اطلاعات انجام ميگردد. در ادامه، طراحي مسير پرواز پرنده ها به صورت يك مسئله كنترل پوشش تعريف شده و به كمك چهار الگوريتم بهينه سازي متفاوت بررسي مي شود. عملكرد الگوريتم ها با انجام چند شبيه سازي متفاوت، با يكديگر مقايسه و نتايج تحليل آن مي گردد.

Vastness of operation airspace and uncertain environment in aerial search missions, makes utilizing multiple intelligent agents more preferable to integrated centralized systems due to robustness, parallel computing structure, scalability, and cost optimality of distributed systems. Cooperative search missions require the search space to be divided properly between agents. In order to minimize the uncertainty, the agents will calculate the best path in the assigned space partition. According to the communication topology, environmental information and the near-future decisions are shared between agents. In this paper, cooperative search using multiple UAVs has been considered. First, mathematical representation of the search space, kinematic and sensor model of UAVs, and communication topology have been presented. Then, an approach has been proposed to update and share information using the Bayes’ rule. Afterwards, path planning problem has been solved using different optimization algorithms namely First-order Gradient, Conjugate Gradient, Sequential Quadratic Programming, and Interior Point Algorithm. Finally, the performance of these algorithms have been compared according to mean uncertainty reduction and target detection time.