YAPAY ARI KOLONİ ALGORİTMALARININ SÜRÜ ROBOT HEDEF BULMA PROBLEMİNE UYGULANMASI
M.Akif Fındıklı1*, A.Fatih Kocamaz2
1İnönü University, Malatya, Turkey
2İnönü University, Malatya, Turkey
* Corresponding author: m.akif.findikli@inonu.edu.tr
Presented at the 2nd International Symposium on Innovative Approaches in Scientific Studies (ISAS2018-Winter), Samsun, Turkey, Nov 30, 2018
SETSCI Conference Proceedings, 2018, 3, Page (s): 1034-1039
Published Date: 31 December 2018
Bu çalışmada Yapay Arı Koloni optimizasyon algoritmalarının üç varyantı sürü robotların hedef bulma probleminde kullanılmıştır. Yapay arı kolonisi optimizasyon algoritmalarının Unity 3D ortamında simülasyonunu gerçekleştiren yazılım geliştirilmiştir. Sürü robotların hedef bulma problemine daha iyi çözümler üretebilmesi için algoritmalara yeni modifikasyonlar önerilmiştir. Ayrıca çalışmada sabit bir hedefin bulunması problemi yanında pozisyonu zamanla değişen hedef bulma problemi de incelenmiştir. Geliştirilen sürü robot simülasyon uygulamasının, birçok farklı algoritmanın üzerinde test edilerek sonuçlarının karşılaştırılabileceği bir platform olması hedeflenmiştir.
Keywords - Sürü robot, sürü optimizasyon algoritması, yapay arı kolonisi algoritması, hedef bulma, dinamik hedef
[1] O. Parlaktuna, “Otonom Robot Sistemleri için Eğitim Araçları ElektrikElektronik Mühendisliği.”
[2] A. Howell, E. Way, R. McGrann, and R. Woods, “Autonomous robots as a generic teaching tool,” Proc. - Front. Educ. Conf. FIE, pp. 17–21, 2006.
[3] C. G. Cihan ERCAN, “İnsansız Hava Sı̇ stemlerı̇ Rota Planlaması Dı̇ nami̇ k Çözüm Metotlari Ve Li̇ teratür Araştirmasi,” Selcuk Univ. J. Eng. Sci. Tech., vol. 1, no. 2, pp. 51–72, 2013.
[4] Y.U. Cao, AS. Fukunaga, and A.B. Khang. “Cooperative mobile robotics: Antecedents and directions.” Autonomous Robots, 4, 1997.
[5] D. Karaboga, “An Idea Based On Honey Bee Swarm For Numerıcal Optımızatıon,Technıcal Report-Tr06",Erciyes University, Engineering Faculty, Computer Engineering Department 2005
[6] D. E. GOLDBERG, et al. “Genetic algorithms with sharing for multimodal function optimization.” In: Genetic algorithms and their applications: Proceedings of the Second International Conference on Genetic Algorithms. Hillsdale, NJ: Lawrence Erlbaum, pp. 41-49, 1987.
[7] J. Kennedy, and R. C. Eberhart, “Particle swarm optimization”, 1995 IEEE International Conference on Neural Networks, 4, 1942-1948, 1995.
[8] D. Saini and N. Saini, “A Study of Load Flow Analysis Using Particle Swarm Optimization,” vol. 5, no. 1, pp. 125–131, 2015.
[9] F. S. Abu-Mouti and M. E. El-Hawary, “Optimal distributed generation allocation and sizing in distribution systems via artificial bee colony algorithm,” IEEE Trans. Power Deliv., vol. 26, no. 4, pp. 2090–2101, 2011.
[10] D. Karaboga and B. Gorkemli, “A quick artificial bee colony (qABC) algorithm and its performance on optimization problems,” Appl. Soft Comput. J., vol. 23, pp. 227–238, 2014.
[11] B. Babayiğit, R. Özdemir, B. M. Bölümü, and E. Üniversitesi, “Modifiye Yapay Arı Koloni Algoritması ile Nümerik Fonksiyon Optimizasyonu Modified Artificial Bee Colony Algorithm for Numerical Function Optimization,” pp. 618–622, 2012.
[12] https://unity3d.com/ - Erişim Tarihi: 18.10.2018
|
This is an Open Access article distributed under the terms of the Creative Commons Attribution License 4.0, which permits unrestricted use, distribution, and reproduction in any medium, provided the original work is properly cited. |
