Mobile Robot Path Planning Techniques in Dangerous and Dynamic Environments / Asma Boutalbi

Public ISBD Titre : Mobile Robot Path Planning Techniques in Dangerous and Dynamic Environments Type de document : texte imprimé Auteurs : Asma Boutalbi, Auteur ; Latifa Guerra ; Fateh Seghir, Directeur de thèse Editeur : Setif:UFA Année de publication : 2024 Importance : 1 vol (49 f .) Format : 29 cm Langues : Anglais (eng) Catégories : Thèses & Mémoires:Informatique Mots-clés : path planning Robotic systems Meta-heuristic PSO Global optimization Obstacle avoidance Index. décimale : 004 - Informatique Résumé : This research addressed the problem of paths planning for robots in environments characterized by forbidden areas caused by obstacles and different dangers. After giving an overview of the most popular algorithms in this field, some concepts related to optimization tasks were also given. Finally, based on these studies, an approach based on Particle Swarm Optimization Algorithm PSO and the weighted sum method has been proposed to generate safe paths for robotic systems. Practical tests have been carried out to confirm the effectiveness and validity of the proposed method. Note de contenu : Sommaire List of Figures x List of Tables xi General introduction 1 1 Mobile Robot Path Planning Techniques 4 1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 2 Definition of Geometric Path Planning Problem . . . . . . . . . . . . . . . 4 3 Path planning classification . . . . . . . . . . . . . . . . . . . . . . . . . . 5 4 Heuristic planning approaches . . . . . . . . . . . . . . . . . . . . . . . . 5 4.1 Graph-based algorithms . . . . . . . . . . . . . . . . . . . . . . . 5 4.1.1 Dijkstra algorithm . . . . . . . . . . . . . . . . . . . . . 6 4.1.2 Astar . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 4.2 Road-map methods . . . . . . . . . . . . . . . . . . . . . . . . . . 7 4.2.1 Visibility graph . . . . . . . . . . . . . . . . . . . . . . 7 4.2.2 Voronoi diagram . . . . . . . . . . . . . . . . . . . . . . 8 4.2.3 Cell decomposition . . . . . . . . . . . . . . . . . . . . 8 4.3 Sampling-based (probabilistic) methods . . . . . . . . . . . . . . . 8 4.3.1 Probabilistic Roadmaps . . . . . . . . . . . . . . . . . . 9 4.3.2 Rapidly exploring random tree . . . . . . . . . . . . . . 9 4.4 Artificial Potential Fields . . . . . . . . . . . . . . . . . . . . . . . 9 5 Meta-Heuristic planning approaches . . . . . . . . . . . . . . . . . . . . . 10 5.1 Genetic Algorithm Technique . . . . . . . . . . . . . . . . . . . . 11 5.2 Ant Colony Optimization : . . . . . . . . . . . . . . . . . . . . . . 11 5.3 Bacterial Foraging Technique . . . . . . . . . . . . . . . . . . . . 11 5.4 Bee Colony Technique . . . . . . . . . . . . . . . . . . . . . . . . 12 5.5 Firefly Algorithm Technique . . . . . . . . . . . . . . . . . . . . . 12 5.6 Grey Wolf Optimizer (GWO) . . . . . . . . . . . . . . . . . . . . 12 5.7 simulated Annealing (SA)) . . . . . . . . . . . . . . . . . . . . . . 12 6 Artificial intelligence techniques . . . . . . . . . . . . . . . . . . . . . . . 13 6.1 Fuzzy Logic Technique . . . . . . . . . . . . . . . . . . . . . . . . 13 6.2 Artificial Neural Networks Techniques . . . . . . . . . . . . . . . . 14 6.3 Machine and Deep Learning . . . . . . . . . . . . . . . . . . . . . 14 7 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15 2 Notes on Optimization and PSO algorithm 16 1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16 2 Single objective optimization . . . . . . . . . . . . . . . . . . . . . . . . . 16 3 Multi-objective optimization . . . . . . . . . . . . . . . . . . . . . . . . . 18 3.1 Dominance and Pareto optimally . . . . . . . . . . . . . . . . . . . 18 3.2 Weighted sum method . . . . . . . . . . . . . . . . . . . . . . . . 19 4 PSO algorithm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20 4.1 General description . . . . . . . . . . . . . . . . . . . . . . . . . . 20 4.2 Algorithm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21 4.2.1 Initialisation Process . . . . . . . . . . . . . . . . . . . . 22 4.2.2 Positions and velocities update . . . . . . . . . . . . . . 23 4.2.3 Repair process . . . . . . . . . . . . . . . . . . . . . . . 23 4.2.4 Update local and global bests . . . . . . . . . . . . . . . 23 4.2.5 Termination condition . . . . . . . . . . . . . . . . . . . 24 5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24 3 Path planning by using PSO algorithm 25 1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25 2 Problem formulation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25 2.1 Path definition . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25 2.2 Path parameters . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27 2.2.1 Intersection with obstacles . . . . . . . . . . . . . . . . 27 2.2.2 Path length . . . . . . . . . . . . . . . . . . . . . . . . . 28 2.3 Path planing problem reformulation . . . . . . . . . . . . . . . . . 29 3 Proposed solution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29 3.1 Objective function . . . . . . . . . . . . . . . . . . . . . . . . . . 29 3.2 PSO-based path planners . . . . . . . . . . . . . . . . . . . . . . . 29 4 Numerical tests and discussion . . . . . . . . . . . . . . . . . . . . . . . . 31 4.1 Test1 : A simple illustrative example . . . . . . . . . . . . . . . . . 31 ...... Côte titre : MAI/0861 Mobile Robot Path Planning Techniques in Dangerous and Dynamic Environments [texte imprimé] / Asma Boutalbi, Auteur ; Latifa Guerra ; Fateh Seghir, Directeur de thèse . - [S.l.] : Setif:UFA, 2024 . - 1 vol (49 f .) ; 29 cm. Langues : Anglais (eng) Catégories : Thèses & Mémoires:Informatique Mots-clés : path planning Robotic systems Meta-heuristic PSO Global optimization Obstacle avoidance Index. décimale : 004 - Informatique Résumé : This research addressed the problem of paths planning for robots in environments characterized by forbidden areas caused by obstacles and different dangers. After giving an overview of the most popular algorithms in this field, some concepts related to optimization tasks were also given. Finally, based on these studies, an approach based on Particle Swarm Optimization Algorithm PSO and the weighted sum method has been proposed to generate safe paths for robotic systems. Practical tests have been carried out to confirm the effectiveness and validity of the proposed method. Note de contenu : Sommaire List of Figures x List of Tables xi General introduction 1 1 Mobile Robot Path Planning Techniques 4 1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 2 Definition of Geometric Path Planning Problem . . . . . . . . . . . . . . . 4 3 Path planning classification . . . . . . . . . . . . . . . . . . . . . . . . . . 5 4 Heuristic planning approaches . . . . . . . . . . . . . . . . . . . . . . . . 5 4.1 Graph-based algorithms . . . . . . . . . . . . . . . . . . . . . . . 5 4.1.1 Dijkstra algorithm . . . . . . . . . . . . . . . . . . . . . 6 4.1.2 Astar . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 4.2 Road-map methods . . . . . . . . . . . . . . . . . . . . . . . . . . 7 4.2.1 Visibility graph . . . . . . . . . . . . . . . . . . . . . . 7 4.2.2 Voronoi diagram . . . . . . . . . . . . . . . . . . . . . . 8 4.2.3 Cell decomposition . . . . . . . . . . . . . . . . . . . . 8 4.3 Sampling-based (probabilistic) methods . . . . . . . . . . . . . . . 8 4.3.1 Probabilistic Roadmaps . . . . . . . . . . . . . . . . . . 9 4.3.2 Rapidly exploring random tree . . . . . . . . . . . . . . 9 4.4 Artificial Potential Fields . . . . . . . . . . . . . . . . . . . . . . . 9 5 Meta-Heuristic planning approaches . . . . . . . . . . . . . . . . . . . . . 10 5.1 Genetic Algorithm Technique . . . . . . . . . . . . . . . . . . . . 11 5.2 Ant Colony Optimization : . . . . . . . . . . . . . . . . . . . . . . 11 5.3 Bacterial Foraging Technique . . . . . . . . . . . . . . . . . . . . 11 5.4 Bee Colony Technique . . . . . . . . . . . . . . . . . . . . . . . . 12 5.5 Firefly Algorithm Technique . . . . . . . . . . . . . . . . . . . . . 12 5.6 Grey Wolf Optimizer (GWO) . . . . . . . . . . . . . . . . . . . . 12 5.7 simulated Annealing (SA)) . . . . . . . . . . . . . . . . . . . . . . 12 6 Artificial intelligence techniques . . . . . . . . . . . . . . . . . . . . . . . 13 6.1 Fuzzy Logic Technique . . . . . . . . . . . . . . . . . . . . . . . . 13 6.2 Artificial Neural Networks Techniques . . . . . . . . . . . . . . . . 14 6.3 Machine and Deep Learning . . . . . . . . . . . . . . . . . . . . . 14 7 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15 2 Notes on Optimization and PSO algorithm 16 1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16 2 Single objective optimization . . . . . . . . . . . . . . . . . . . . . . . . . 16 3 Multi-objective optimization . . . . . . . . . . . . . . . . . . . . . . . . . 18 3.1 Dominance and Pareto optimally . . . . . . . . . . . . . . . . . . . 18 3.2 Weighted sum method . . . . . . . . . . . . . . . . . . . . . . . . 19 4 PSO algorithm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20 4.1 General description . . . . . . . . . . . . . . . . . . . . . . . . . . 20 4.2 Algorithm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21 4.2.1 Initialisation Process . . . . . . . . . . . . . . . . . . . . 22 4.2.2 Positions and velocities update . . . . . . . . . . . . . . 23 4.2.3 Repair process . . . . . . . . . . . . . . . . . . . . . . . 23 4.2.4 Update local and global bests . . . . . . . . . . . . . . . 23 4.2.5 Termination condition . . . . . . . . . . . . . . . . . . . 24 5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24 3 Path planning by using PSO algorithm 25 1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25 2 Problem formulation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25 2.1 Path definition . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25 2.2 Path parameters . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27 2.2.1 Intersection with obstacles . . . . . . . . . . . . . . . . 27 2.2.2 Path length . . . . . . . . . . . . . . . . . . . . . . . . . 28 2.3 Path planing problem reformulation . . . . . . . . . . . . . . . . . 29 3 Proposed solution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29 3.1 Objective function . . . . . . . . . . . . . . . . . . . . . . . . . . 29 3.2 PSO-based path planners . . . . . . . . . . . . . . . . . . . . . . . 29 4 Numerical tests and discussion . . . . . . . . . . . . . . . . . . . . . . . . 31 4.1 Test1 : A simple illustrative example . . . . . . . . . . . . . . . . . 31 ...... Côte titre : MAI/0861

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
MAI/0861	MAI/0861	Mémoire	Bibliothéque des sciences	Anglais	Disponible Disponible

---

1 (1 - 1 / 1)