Meta-heuristiky pro směrovací problémy

Abstract

Problém hledání v grafu (anglicky Graph Search Problem - GSP) společně s problémem obchodního doručovatele lze považovat za rozšíření dobře známého problému obchodního cestovatele, který hledá nejkratší možnou cestu, jež mu umožní navštívit všechna města z dané množiny a skončit zase tam, kde začal. Tyto, někdy nazývané směrovací problémy, patří do kategorie obtížných kombinatorických optimalizačních problémů. V této práci se budeme zabývat GSP, s úmyslem ho následně využít v robotickém hledání, které nastavuje velké požadavky na schůdný výpočetní čas. Vyvineme metaheuristiku pro GSP založenou na metodě hledání v proměnlivém sousedství (anglicky Variable Neighborhood Search - VNS) a experimentálně vyhodnotíme její vlastnosti. Navrhovaná metoda bude výrazně rychlejší než refernční metody a zároveň bude dávat řešení s vyšší průměrnou kvalitou. Použití navrhované metody budeme demonstrovat v problému robotického plánování. Druhá polovina této práce bude tedy věnovaná hledání robotu ve známém prostředí s cílem nalézt nehybný objekt zájmu (anglicky Single Robot Search for a Stationary Object in a Known Environment - SRSSK). Nakonec provedeme několik simulací v robotickém simulátoru.The Graph Search Problem (GSP) together with the Traveling Deliveryman Problem (TDP) can be seen as an extension of the famous Traveling Salesman Problem (TSP), i.e., a problem of finding the shortest possible route that visits every city of a given set and returns to the one where it started. These, sometimes called the routing problems, belong to a category of difficult combinatorial optimization problems. In this thesis, we address the GSP with the intention to deploy it in robotic planning, which entails high demands on feasible computing time. We develop a meta-heuristics for the GSP based on Variable Neighborhood Search (VNS) and evaluate its properties experimentally. Our proposed method meets the requirements of being significantly faster than the reference, and at the same time, it delivers solutions with higher average quality. We demonstrate the usage of our method in the mobile robot search, which turns out to be a stand-alone problem to solve. The second half of this thesis is devoted to the Single Robot Search for a Stationary Object in a Known Environment (SRSSK). At the end, we execute several simulations in a robotic simulator.