[논문 리뷰] Optimal Route Planning with Prioritized Task Scheduling for AUV Missions

Somaiyeh Mahmoud Zadeh, David Powers외 3명|arXiv (Cornell University)|2016. 04. 12.

Robotic Path Planning Algorithms참고 문헌 19인용 수 10

한 줄 요약

이 논문은 시간 및 운영 제약 조건 하에서 임무 우선순위 합을 최대화하고 위험을 최소화하기 위해 유전 알고리즘(GA)과 입자 군집 최적화(PSO)를 융합한 하이브리드 최적화 접근법을 제안한다. AUV 임무의 최적 경로 계획과 우선순위 기반 작업 스케줄링을 목표로 하며, 시뮬레이션에서 GA가 PSO를 능가하여 더 신뢰성 있고 실현 가능한 임무 경로를 도출한다.

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.

연구 동기 및 목표

• 시간 및 위험 제약 조건 하에서 대규모 경로 계획과 작업 배정의 병행 문제를 해결하기 위해.
• 할당된 작업의 누적 우선순위를 최대화하면서 총 임무 위험을 최소화하기 위해.
• 이 NP-난해 최적화 문제를 해결하는 데 있어 PSO와 GA의 성능을 평가하고 비교하기 위해.
• 실제 수중 운영에 적용 가능한 견고하고 실현 가능하며 신뢰할 수 있는 경로 계획 솔루션을 개발하기 위해.

제안 방법

• 모든 후보 해(경로)를 인구 기반 탐색에서 개체로 표현하고, GA와 PSO를 사용하여 해 공간 탐색하기.
• 작업 순서와 경로 경로를 염색체 또는 입자 위치로 인코딩하고, 작업 우선순위 합과 위험 최소화를 조합한 피트니스 함수 정의하기.
• 휴리스틱 탐색 메커니즘 적용: GA는 선택, 교차 및 변이를 사용하고, PSO는 개인 최적 및 전역 최적 해를 기반으로 한 속도 및 위치 갱신을 사용한다.
• 시간 및 임무 제약 조건 하에서 작업 우선순위 최대화와 위험 감소를 균형 잡는 피트니스 함수 정의하기.
• 다중 실행을 통해 두 알고리즘의 강건성과 수렴성을 평가하기 위해 몬테카를로 시뮬레이션 실시하기.
• 실현 가능성을 보장하고 최적화 과정에서 비실현 가능한 경로 구성 방지를 위해 경로의 이산적 표현 사용하기.

실험 결과

연구 질문

• RQ1 시간 제약 조건 하에서 AUV 임무 계획을 어떻게 최적화하여 작업 우선순위를 극대화하고 임무 위험을 최소화할 수 있는가?
• RQ2 AUV의 NP-난해 병행 경로 계획 및 작업 스케줄링 문제를 해결하는 데 있어 PSO와 GA 중 어느 것이 더 효과적인가?
• RQ3 동일한 임무 시나리오에 대해 다수의 랜덤화된 시뮬레이션에서 제안된 최적화 방법의 강건성은 어떠한가?
• RQ4 제안된 방법은 실제 수중 운영을 위한 실현 가능하고 신뢰할 수 있는 경로를 생성할 수 있는가?

주요 결과

• GA 기반 경로 계획자는 시뮬레이션 전반에 걸쳐 해 품질과 일관성 측면에서 PSO 기반 접근법보다 뛰어난 성과를 보였다.
• PSO와 GA 모두 실현 가능하고 신뢰할 수 있는 경로를 생성하여 휴리스틱 방법이 AUV 임무 계획에 실현 가능함을 입증했다.
• 피트니스 함수는 작업 우선순위 극대화와 위험 감소를 효과적으로 균형 잡아 높은 품질의 임무 계획을 도출했다.
• 몬테카를로 실행 결과 두 알고리즘이 강건함을 확인했으며, GA는 더 빠른 수렴 속도와 더 우수한 최종 피트니스 값을 보였다.
• 제안된 방법은 실용적인 계산 한계 내에서 이 NP-난해 문제의 병합 최적화를 성공적으로 처리했다.
• 시뮬레이션 결과는 제안된 접근법이 실제 수중 운동 계획 과제에 적용 가능하다는 것을 검증했다.