Zeitschrift für Fernerkundung und GIS

Abstrakt

Vergleich von vier evolutionären Algorithmen zur Optimierung der Haltekraft bei einem Kletterroboter

Masike R und Janak Kumar B. Patel

Evolutionäre Algorithmen (EAs) sind stochastische Suchmethoden, die die natürliche biologische Evolution nachahmen. In dieser Arbeit geben wir einen Überblick über vier aktuelle EAs und bieten einen Rahmen für die Übernahme in Kletterrobotern. Vier auf EAs basierende Modelle werden vorgestellt und verglichen, um die Haltekraft in einem Bernoulli-Haltepad für einen Kletterroboter zu optimieren, wobei ihre wichtigen Eigenschaften und ihre Relevanz für die adaptive Haltekraft berücksichtigt werden. Ein kurzer Code jedes Algorithmus wird präsentiert, um seine Implementierung und Verwendung durch Forscher und Praktiker zu erleichtern. Diese EAs umfassen die Differential Evolution (DE), die MONEE-Implementierung, den Modified Genetic Algorithm (MGA) und den Memetic Algorithm (MA). Die vier EAs wurden auf die beliebte MIT-Regel als Zielfunktion für die adaptive Haltekraft und dann auf ein echtes Bernoulli-Pad für Kletterroboter angewendet. MATLAB wurde für den strengen Vergleich der Modelle in Bezug auf die erhaltene optimale Lösung, die Anzahl der Zielfunktionsbewertungen entsprechend der optimalen Lösung und die Qualität der Ergebnisse eingesetzt. Es wurde eine statistische Analyse durchgeführt und dann eine Effizienzratenmetrik bestimmt, um die Leistung jedes Modells zu bewerten. Die Ergebnisse zeigten, dass die beste Leistung von einem Hybridalgorithmus erreicht wurde, der die gewünschten Eigenschaften für eine optimale Haltekraft beinhaltet. Daher wurde ein Rahmen für die Übernahme von EAs in Kletterrobotern entwickelt.