Problém obchodního cestujícího s překrývajícími se kruhovo-polygonálními sousedstvími

Abstract

Tato práce vychází z heuristického řešení hlídačova problém (WRP) v polygonálních prostředích. Cílem je najít nejkratší trasu, po které může robot s všesměrným senzorem s omezeným rozsahem viditelnosti plně prozkoumat známé 2D prostředí. Původní heuristika generuje množinu konvexních oblastí pokrývajících celé prostředí a řešení získá vyřešením problému putujícího obchodníka s okolím (TSPN) pomocí diskretizace. Tato práce navrhuje způsob, který řeší TSPN, aniž by se uchýlil k časově náročnému kroku diskretizace. Zavádíme optimalizační algoritmus typu bod-sousedství-bod (PNP) v rámci gumičkového algoritmu (RB) pro lokální zlepšování cest s pevným pořadím sousedství. TSPN je řešena metaheuristikou iterativního lokálního prohledávání (ILS). Prostřednictvím experimentálního vyhodnocení je vytvořeno srovnání s původní metodou a ukazujeme, že náš přístup může poskytnout lepší řešení v rámci přísných omezení výpočetního času.

This thesis builds upon a heuristic solution framework for solving the Watchman Route Problem (WRP) in polygonal environments. The goal is to find the shortest route from which a robot with an omnidirectional sensor with limited visibility range can fully inspect a known 2D environment. The original framework generates a set of convex regions covering the full environment and obtains the solution by solving the traveling salesman problem with neighborhoods (TSPN) through discretization. This thesis proposes a solution that solves the TSPN without resorting to the time-consuming discretization step. We introduce a Point-Neighborhood-Point (PNP) optimization algorithm within a rubber-band (RB) algorithm for the local improvement of paths over a fixed order of neighborhood regions. The TSPN is solved by an Iterative Local Search (ILS) metaheuristic. Through experimental evaluation, a comparison with the original method is created, and we show that our approach can provide superior solutions within strict computational constraints.