Україна, Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського».

Проведено порівняння точності позиціювання мобільного робота при використанні методу, що базується на генетичному алгоритмі і належить до методів штучного інтелекту, та методу трилатерації, який традиційно використовується в задачах позиціювання. Розглянуто застосування відповідної термінології, запозиченої з генетики, та алгоритмів обробки даних для зазначеної предметної області.

Ключові слова: мобільний робот, позиціювання робота, генетичні алгоритми, методи штучного інтелекту, метод трилатерації.

1. Абабій, В., Судачевський, В., Рошка Н., Лунгу І. Мережа датчиків для керування роботами. ІІI МНПК «Прикладні науково-технічні дослідження», 2019, т. 6, № 4, с. 26–32.
2. Гладков, Л. А., Курейчик В. В., Курейчик В. М. Генетические алгоритмы. Молдова, Кишинев, Физматлит, 2010, с. 320.
3. Войтюк І. Ф., Дивак М. П., Неміш В. М. Метод та генетичний алгоритм структурної ідентифікації інтервальних різницевих операторів в задачах екологічного моніторингу. Наукові праці ДонНТУ, 2011, т. 4, № 4, с. 71–89.
4. Рутковская Д. Нейронные сети, генетические алгоритмы и нечеткие системы. Москва, Горячая линия-Телеком, 2006, с. 452.
5. Юревич Е. И. Основы робототехники. Санкт-Петербург, БХВ-Петербург, 2005, 416 с.
6. Лебедев Б. К. Генетический алгоритм распределения соединений по слоям при многослойной глобальной трассировке СБИС. Известия ЮФУ. Технические науки. Россия, Таганрог, 2012, № 7, с. 14–22.
7. Здор Г. Н., Потеха А.В. Методические особенности использования генетических алгоритмов для прогнозирования развития пожарных роботов. Веснiк Гродзенскага дзяржаунага унiверсiтэта iмя Янкi Купалы. Серыя 6. Тэхніка, 2014, т. 6, № 2, с. 50–56. https://rep.bntu.by/handle/data/84744
8. Афанасьев В. Н. Динамические системы управления с неполной информацией. Алгоритмическое конструирование. Москва, Ленанд, 2018, с. 216.
9. Герасун В. М., Жога В.В., Несмиянов И.А. и др. Иссле¬дование оптимальных конфигураций манипулятора-трипода с поворотным основанием. Мехатроника, автоматизация, управление, 2016, № 6, с. 16–21.
10. 3D-печать и устройство 3D-принтера. https://make-3d.ru/articles/chto-takoe-3d-pechat/ (20 вересня 2021)
11. Пшихопов В. Х. Организация репеллеров при движении мобильных роботов в среде с препятствиями. Мехатроника, автоматизация, управление, 2008, № 2, с. 34–41.
12. Зенкевич С. Л., Ющенко А. С. Основы управления манипуляционными роботами. Москва, Изд-во МГТУ им. Н. Э. Баумана, 2004, 480 с.
13. Ульянов С. В. Робастные интеллектуальные системы управления: системный и структурный анализ. Нечеткие системы и мягкие вычисления. 2008, № 2, с. 15–31.
14. Рыбаков А. В. Робот-гексапод с нейросетевой системой управления движением. Робототехника и техническая кибернетика, 2017, № 3, c. 59–66.
15. Даринцев О. В., Мигранов А. Б. Система планирования движения группы мобильных микророботов на основе генетических алгоритмов. Теория и системы управления, 2007, № 3, с. 163–173.
16. Zhu J., Huai L., Cui R. Research and application of hybrid random selection genetic algorithm. 2017 10th International Symposium on Computational Intelligence and Design (ISCID), 2017, vol. 20, iss. 7, p. 330. https://doi.org/10.1109/ISCID41719.2017
17. Croitoru N. High probability mutation and error thresholds in genetic algorithms, 2015 17th International Symposium on Symbolic and Numeric Algorithms for Scientific Computing (SYNASC), 2015, vol. 17, iss. 4, p. 271. https://doi.org/10.1109/SYNASC.2015.51
18. Kar S., Kabir M. M. J. Comparative analysis of mining fuzzy association rule using genetic algorithm, 2019 International Conference on Electrical, Computer and Communication Engi¬neering (ECCE), 2019, vol. 7, iss. 3, p. 5. https://doi.org/10.1109/ECACE.2019.8679336
19. Chen C., He J., Hong T. A two-stage multi-objective genetic-fuzzy mining algorithm, 2013 IEEE International Workshop on Genetic and Evolutionary Fuzzy Systems (GEFS), 2013, vol. 10, iss. 2, p. 16. https://doi.org/10.1109/GEFS.2013.6601050