Applicazioni di intelligenza artificiale LS Manni Tiziano

Realizzare un sistema di sorveglianza in ambiente dinamico. Stabilire una rete di goal all’interno dell’ambiente che ciascun robot dovrà raggiungere (punti strategici). Uso di un framework basato sull’algoritmo di AntColony Optimization in grado di trovare il percorso hamiltoniano ottimo tra i vari goal distribuiti all’interno dell’ambiente.

AntColony: per l’implementazione generale dell’algoritmo di ant colony AntColony4TSP: per l’implementazione dell’algoritmo specifico per la risoluzione di problemi di TSP (commesso viaggiatore). SentrySystem: per adattare AntColony4TSP ai nostri scopi.

Implementazione generale dell’algoritmo di ant colony optimization: Le formiche si muovono in modo indipendente decidendo il nodo sul quale muoversi sulla base delle informazioni accumulate lungo il tragitto: comunicazione avviene grazie alla scia di feromoni lasciati lungo il cammino dalle formiche stesse. La colonia: inizializza il sistema creando le formiche interviene sulla scia di feromoni depositate applicando delle politiche (ES: evaporazione dei feromoni nel tempo).

Estensione di ant colony per la risoluzione del problema del commesso viaggiatore (TSP): Ogni formica decide il prossimo goal da esplorare con due modalità (scelta con probabilità configurabile): Inseguimento: Esplorazione sulla base delle informazioni contenute localmente a ciascun goal.

Estensione di ant colony per la risoluzione del problema del commesso viaggiatore (TSP): Quando la formica avrà visitato tutti i goal del grafo aggiorna il livello di feromoni percorrendo il cammino al contrario depositando

Estensione di ant colony per la risoluzione del problema del commesso viaggiatore (TSP): La colonia, quando tutte le formiche hanno terminato, aggiorna il livello di feromoni lasciato lungo tutti gli archi del grafo seguendo questa politica:

Per adattare ant colony for TSP si è dovuto applicare alcune modifiche: ad ogni formica è associato un robot che si muove in simultanea alla formica stessa. Quando la formica finisce la sua esplorazione riparte ad esplorare da capo il grafo.

Sviluppo di un algoritmo per il posizionamento intelligente dei goal. Sviluppo di strategie per rimpiazzare i goal non raggiungibili e garantire sempre una coperture di tutte le zone. Analisi intelligente dei cambiamenti dell’ambiente (in caso di grossi cambiamenti dell’ambiente occorrerebbe azzerare il sistema per farlo ripartire).