تحلیل عملکرد الگوریتم کنترل توزیع‌شده برای جستجوی مشارکتی توسط سیستم چندعامله

استفاده از چندین عامل هوشمند به صورت توزیع شده، به علت مزایای عملیاتی بهتر نظیر مقاوم بودن، پردازش موازی، اسکیل‌پذیری و بهینگی هزینه، به استفاده از یک سیستم جامع متمرکز ترجیح داده می‌شود. این امر در ماموریت‌های هوایی به دلیل ابعاد فضای عملیات و محیط عملکردی نامعین، از اهمیت به مراتب بیش‌تری برخوردار می‌گردد. یکی از عملیات‌های متداول در سامانه‌های هوایی چند عامله، عملیات جستجو است. در یک عملیات جستجو فضای مورد پویش می‌بایست به طریقی مطلوب میان عامل‌ها تقسیم شود و هر عامل به نحوی مطلوب در راستای بهترین پویش ممکنه در فضای اختصاص یافته به آن گام بردارد. با توجه به ساختار شبکه‌های توزیع شده، نحوه‌ی تبادل داده، اعم از اطلاعات بدست آمده از محیط و جهت حرکت عامل در آینده‌ی نزدیک در انتخاب مسیر توسط سایر عامل‌ها موثر خواهد بود. در این مقاله مسئله جستجوی چند عامله شامل چندین پرنده‌ی بدون سرنشین، به صورت توزیع شده در نظر گرفته شده است. بر این اساس ابتدا مدل سینماتیکی پرندههای بدون سرنشین، مدل ریاضی فضای جستجو، حسگر تصویری و ارتباط مخابراتی ارائه می‌شود. سپس با استفاده از قاعده‌ی بیزین، به روزرسانی و به اشتراک گذاری اطلاعات انجام میگردد. در ادامه، طراحی مسیر پرواز پرنده‌ها به صورت یک مسئله کنترل پوشش تعریف شده و به کمک چهار الگوریتم بهینه‌سازی متفاوت بررسی می‌شود. عملکرد الگوریتم‌ها با انجام چند شبیه‌سازی متفاوت، با یکدیگر مقایسه و نتایج تحلیل آن می‌گردد.

Performance Study of Distributed Control Algorithm for Cooperative Search using Multi-Agent System

Vastness of operation airspace and uncertain environment in aerial search missions, makes utilizing multiple intelligent agents more preferable to integrated centralized systems due to robustness, parallel computing structure, scalability, and cost optimality of distributed systems. Cooperative search missions require the search space to be divided properly between agents. In order to minimize the uncertainty, the agents will calculate the best path in the assigned space partition. According to the communication topology, environmental information and the nearfuture decisions are shared between agents. In this paper, cooperative search using multiple UAVs has been considered. First, mathematical representation of the search space, kinematic and sensor model of UAVs, and communication topology have been presented. Then, an approach has been proposed to update and share information using the Bayes rsquo; rule. Afterwards, path planning problem has been solved using different optimization algorithms namely Firstorder Gradient, Conjugate Gradient, Sequential Quadratic Programming, and Interior Point Algorithm. Finally, the performance of these algorithms have been compared according to mean uncertainty reduction and target detection time.