[論文レビュー] Optimal Route Planning with Prioritized Task Scheduling for AUV Missions

Somaiyeh Mahmoud Zadeh, David Powers+3 more|arXiv (Cornell University)|Apr 12, 2016

Robotic Path Planning Algorithms参考文献 19被引用数 10

ひとこと要約

本稿では、自律水中航行機器（AUV）ミッションにおける最適ルート計画と優先順位付きタスクスケジューリングのため、遺伝的アルゴリズム（GA）と粒子群最適化（PSO）を組み合わせたハイブリッド最適化手法を提案する。時間的・運用的制約下で、タスクの優先度合計を最大化するとともにリスクを最小化することを目的とし、シミュレーションにおいてGAがPSOを上回り、より信頼性が高く実行可能なミッションルートを生成した。

ABSTRACT

This paper presents a solution to Autonomous Underwater Vehicles (AUVs) large scale route planning and task assignment joint problem. Given a set of constraints (e.g., time) and a set of task priority values, the goal is to find the optimal route for underwater mission that maximizes the sum of the priorities and minimizes the total risk percentage while meeting the given constraints. Making use of the heuristic nature of genetic and swarm intelligence algorithms in solving NP-hard graph problems, Particle Swarm Optimization (PSO) and Genetic Algorithm (GA) are employed to find the optimum solution, where each individual in the population is a candidate solution (route). To evaluate the robustness of the proposed methods, the performance of the all PS and GA algorithms are examined and compared for a number of Monte Carlo runs. Simulation results suggest that the routes generated by both algorithms are feasible and reliable enough, and applicable for underwater motion planning. However, the GA-based route planner produces superior results comparing to the results obtained from the PSO based route planner.

研究の動機と目的

• 時間的・リスク的制約下で大規模なルート計画とタスク割り当ての連合問題に対処すること。
• 割り当てられたタスクの優先度合計を最大化するとともに、合計ミッションリスクを最小化すること。
• このNPハード最適化問題を解くために、PSOとGAの性能を評価・比較すること。
• 実世界の水中作業に適用可能な、強固で実行可能かつ信頼性の高いルート計画ソリューションの開発すること。

提案手法

• 各候補解（ルート）を、GAとPSOによる集団ベースの探索における個体として表現する。
• タスクの順序とルート経路を、遺伝子または粒子の位置として符号化し、タスク優先度合計とリスク低減を組み合わせたフィットネス関数を用いる。
• ヒューリスティック探索メカニズムを適用：GAは選択、交叉、変異を用い、PSOは個々の最良解とグローバル最良解に従って速度と位置を更新する。
• 時間的・ミッション制約を満たす条件下で、タスク優先度最大化とリスク低減をバランスさせるフィットネス関数を定義する。
• 複数回の実行において、両アルゴリズムの頑健性と収束性を評価するため、モンテカルロシミュレーションを実施する。
• 最適化中に不適切なパス構成を回避するため、ルートの離散的表現を用いて実行可能性を保証する。

実験結果

リサーチクエスチョン

• RQ1 時間的制約下で、タスク優先度を最大化するとともにミッションリスクを最小化するように、AUVミッション計画をどのように最適化できるか？
• RQ2 AUVにおけるNPハードな連合ルート計画とタスクスケジューリング問題を解くために、PSOとGAのどちらがより効果的か？
• RQ3 同じミッションシナリオの複数回のランダム化シミュレーションにおいて、提案手法の頑健性はいかがなものか？
• RQ4 提案手法は、実世界の水中作業に適した実行可能で信頼性の高いルートを生成できるか？

主な発見

• GAベースのルートプランナーは、シミュレーション全体にわたる解の質と一貫性において、PSOベースの手法を上回る優れた結果をもたらした。
• PSOとGAの両方が実行可能で信頼性の高いルートを生成したため、ヒューリスティック手法がAUVミッション計画に実用的であることが示された。
• フィットネス関数は、タスク優先度の最大化とリスク低減を効果的にバランスさせ、高品質なミッション計画を実現した。
• モンテカルロ実行により両アルゴリズムの頑健性が確認され、GAはより速い収束と優れた最終フィットネス値を示した。
• 提案手法は、実用的な計算限界内でNPハード性を持つ連合最適化問題を効果的に処理できた。
• シミュレーション結果は、本手法が実世界の水中運動計画タスクに適用可能であることを裏付けた。