Path planning using metaheuristics

• Trujillo-Romero, Felipe ^[1]
  1. [1] Universidad de Guanajuato

     Universidad de Guanajuato

     México

     
• Localización: Visión electrónica, ISSN 1909-9746, ISSN-e 2248-4728, Vol. 16, Nº. 1, 2022, págs. 75-94
• Idioma: inglés
• Títulos paralelos:
  • Planificación de trayectorias usando metaheurísticas
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    En este trabajo se presenta una comparación entre dos métodos metaheurísticos para resolver problemas de planificación de rutas. Estos métodos son: 1) Colonia de hormigas artificiales y 2) Colonia de abejas artificiales. Para evaluar estas implementaciones, se utilizan las siguientes métricas: 1) Longitud de ruta y 2) Tiempo de ejecución. El comparativo se probó utilizando diez mapas obtenidos del Departamento de Cibernética Inteligente y Mobil Robotics Group de la Universidad de Praga. Se realizaron varias ejecuciones con el objetivo de encontrar los mejores parámetros de los algoritmos y obtener el mejor algoritmo para la tarea de planificación de ruta. El mejor algoritmo fue la colonia de abejas artificiales. Estas evaluaciones se visualizaron utilizando el paquete VPython, aquí se simuló un robot móvil diferencial para seguir la trayectoria calculada por el mejor algoritmo. A partir de esta simulación fue posible observar que el robot realiza la trayectoria correcta desde el punto de inicio hasta el punto objetivo en cada uno de los mapas evaluados.

  • English

    In this work, a comparison between two metaheuristic methods to solve the path planning problem is presented. These methods are 1) Artificial ant colony and 2) Artificial bee colony. The following metrics are used to evaluate these implementations: 1) Path length and 2) Execution time. The comparison was tested using ten maps obtained from the University of Prague Department of Intelligent Cybernetics and the Mobil Robotics Group. Several runs were carried out to find the best algorithm parameters and get the best algorithm for the route planning task. The best algorithm was the artificial bee colony. These evaluations were visualized using the VPython package; here, a differential mobile robot was simulated to follow the trajectory calculated by the best algorithm. This simulation made it possible to observe that the robot makes the correct trajectory from the starting point to the objective point in each evaluated map.