چکیده فارسی :

برنامه‎ریزی مسیر، یکی از عملکردهای اصلی و جالب برای ربات سیار است. این مقاله، کاربرد بهینه‎سازی کاوش باکتریایی با توجه به مسئله هدایت ربات سیار را کشف می‎کند تا کوتاهترین مسیر عملی جهت حرکت از هر موقعیت کنونی به موقعیت هدف در محیط ناشناخته با موانع در حال حرکت را تعیین کند. این مقاله، الگوریتم جدید براساس روش بهینه‎سازی کاوش باکتریایی (BFO) را توسعه می‎دهد. این الگوریتم مسیر منتهی به هدف را می‎یابد و از موانعی که از ذرات استفاده می‎کنند که بطور تصادفی بر روی دایره حول ربات توزیع شوند، جلوگیری می‎نماید. معیاربندی که براساس آن بهترین ذره انتخاب می‎شود، مسافت تا هدف و تابع هزینه گائوسی ذره است. سپس، استراتژی تصمیم سطح بالا برای انتخاب استفاده می‎شود و در نتیجه برای این نتیجه پیش می‎رود. این استراتژی با استفاده از حسگر ساده ربات بر روی محیط محلی کار می‎کند. بنابراین این استراتژی بدون ایجاد یک نقشه اضافی است که باعث افزایش هزینه می‎شوند. بعلاوه، این کار بدون نیاز به الگوریتم میزان‎سازی و محاسبه پیچیده پیاده‎سازی می‎شود. به منظور شبیه‎سازی الگوریتم، برنامه در زبان C نوشته می‎شود و محیط توسط Open GL ایجاد می‎شود به منظور تست کارآیی روش پیشنهادی، نتایج حاصل از بهینه‎سازی کاوش باکتریایی اصلی (BFO) و الگوریتم شناخته شده دیگری به نام بهینه‎سازی ازدحام ذره (PSO) این تضمین را می‎دهد که روش پیشنهادی، مسیر بهتر و بهینه‎ای ارائه می‎دهد.

چکیده انگلیسی :

Path planning is one of the basic and interesting functions for a mobile robot. This paper explores the application of Bacterial Foraging Optimization to the problem of mobile robot navigation to determine the shortest feasible path to move from any current position to the target position in an unknown environment with moving obstacles. It develops a new algorithm based on Bacterial Foraging Optimization (BFO) technique. This algorithm finds a path towards the target and avoiding the obstacles using particles which are randomly distributed on a circle around a robot. The criterion on which it selects the best particle is the distance to the target and the Gaussian cost function of the particle. Then, a high level decision strategy is used for the selection and thus proceeds for the result. It works on local environment by using a simple robot sensor. So, it is free from having generated additional map which adds cost. Furthermore, it can be implemented without requirement to tuning algorithm and complex calculation. To simulate the algorithm, the program is written in C language and the environment is created by OpenGL. To test the efficiency of the proposed technique, results are compared with Basic Bacterial Foraging Optimization (BFO) and another well-known algorithm called Particle Swarm Optimization (PSO) to give the guarantee that the proposed method gives better and optimal path.