Distributed multi‐vehicle task assignment in a time‐invariant drift field with obstacles

Bai, Xiaoshan; Yan, Weisheng; Cao, Ming; Xue, Dong

doi:10.1049/iet-cta.2018.6125

Cited by 40 publications

(22 citation statements)

References 29 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Aunque se trata de un algoritmo clásico, investigaciones recientes han adaptado su desarrollo para poder aplicarlo a problemas de planicación en MRS. En (148) se ha propuesto un algoritmo de planicación completo para un MRS heterogéneo, en el que, a partir de una fase de asignación de tareas, se establece un algoritmo de planicación de rutas basado en Dijkstra para minimizar el tiempo de viaje entre dos ubicaciones determinadas. Con el uso de este algoritmo se obtiene una solución óptima al problema de la planicación a partir de un entorno previamente dividido en celdas y, la heterogeneidad del MRS empleado permite considerar su solución como válida para su uso en enjambres de UAVs.…”

Section: Algoritmo De Dijkstraunclassified

“…Al igual que con el resto de métodos analizados, el algoritmo genético también ha sido modicado y mejorado tratando de encontrar óptimas soluciones. Así pues, con el objetivo de planicar rutas que minimicen el tiempo total de viaje de un conjunto de vehículos y, tratar además, de asignar tareas a cada uno de ellos, haciendo que cada vehículo alcance un conjunto de destinos, se ha implementado un algoritmo genético coevolutivo de múltiples poblaciones (Coevolutionary Multi-population Genetic Algorithm (CMGA)) (148). Esta solución se aplica a un conjunto de vehículos autónomos aéreos que navegan en un campo de deriva.…”

Section: Métodos Bio-inspiradosunclassified

See 1 more Smart Citation

Obstacle Avoidance Manager for UAVs Swarm

Madridano

Al-Kaff

Flores³

et al. 2020

2020 International Conference on Unmanned Aircraft Systems (ICUAS)

View full text Add to dashboard Cite

En primer lugar, agradecer a mis directores académicos, Arturo y David y, a Pablo en Drone Hopper, por acompañarme a lo largo de esta etapa que hoy está más cerca de culminarse. Gracias por la ayuda prestada, por hacerme crecer, en el ámbito profesional y en el personal. Gracias por conar en mí y permitir que, junto a Drone Hopper, haya podido cerrar una etapa tan importante.Aunque si algo me ha llevado hoy a escribir estas líneas es formar parte, durante 5 años, de una familia como el LSI, incluida esa nueva generación de chavalitos, que han hecho del B16 un lugar donde nuca sentirse solo. El principal culpable de ello es Fernando. Fue él quien me brindó la oportunidad de trabajar con gente tan buena como la que aquí trabaja y ha trabajado, porque echando la vista atrás, no puedo olvidarme de personas cómo Noelia, Ricardo o Dani con las que ha sido un verdadero placer trabajar y, que junto al resto, han contribuido a que cada día uno se sienta afortunado de formar parte de un grupo humano como este.Dentro de esta gran familia hay otra persona que merece una mención aparte, no es otro que Abdulla, un amigo más que un compañero de trabajo. Sólo él sabe lo duro que, durante muchos momentos, ha sido esto y, sus palabras, su ayuda y su trabajo han hecho posible que las dudas se despejaran y continuara trabajando por llegar hoy a escribir estas líneas.Al escribir estas líneas no puedo olvidarme de un grupo de personas que durante esta etapa han sido más que compañeros de trabajo, han sido amigos, aquellas personas con las que compartir las alegrías y penas del día a día, gente como Carlos, María, Irene, Fran o Jorge que me han ayudado y apoyado de manera especial a lo largo de esta dura etapa, la cual Jorge advirtió y yo no hice caso.Tampoco puedo terminar este párrafo sin agradecer a Sergio y Alejandro todo el trabajo de estos últimos meses, por hacer más fácil y llevadera la vuelta a la normalidad y por estar codo con codo en las últimas fases de este trabajo.Por último, gracias a mi verdadera familia, a unos padres y hermanas que han sido un espejo dónde mirarse, a los que les debo y, sin los cuáles, no habría llegado hoy a escribir este trabajo. Y gracias a ti, Olga, por comprenderme, soportarme y ayudarme en estos duros meses y, sobre todo, por dar sentido a mi vida de la manera en la que lo has hecho.

show abstract

Section: Algoritmo De Dijkstraunclassified

Section: Métodos Bio-inspiradosunclassified

Obstacle Avoidance Manager for UAVs Swarm

Madridano

Al-Kaff

Flores³

et al. 2020

2020 International Conference on Unmanned Aircraft Systems (ICUAS)

View full text Add to dashboard Cite

show abstract

“…In our previous work Bai et al (2017a), several clustering-based algorithms have been proposed for a fleet of vehicles to efficiently visit a set of target locations in a time-invariant drift field while trying to minimize the vehicles' total travel time. In addition, we have investigated the task assignment for heterogeneous vehicles with precedence constraints (Bai et al, 2019a), and studied the task assignment for multiple heterogeneous vehicles in a time-invariant drift field with obstacles (Bai et al, 2019b). Furthermore, for vehicles operating in a time-varying drift field, a co-evolutionary multipopulation GA was designed in Bai et al (2018) for multiple vehicles to deliver products to a set of target locations.…”

Section: Introductionmentioning

confidence: 99%

Event- and time-triggered dynamic task assignments for multiple vehicles

2020

Self Cite

View full text Add to dashboard Cite

We study the dynamic task assignment problem in which multiple dispersed vehicles are employed to visit a set of targets. Some targets' locations are initially known and the others are dynamically randomly generated during a finite time horizon. The objective is to visit all the target locations while trying to minimize the vehicles' total travel time. Based on existing algorithms used to deal with static multi-vehicle task assignment, two types of dynamic task assignments, namely event-triggered and time-triggered, are studied to investigate what the appropriate time instants should be to change in real time the assignment of the target locations in response to the newly generated target locations. Furthermore, for both the eventand time-triggered assignments, we propose several algorithms to investigate how to distribute the newly generated target locations to the vehicles. Extensive numerical simulations are carried out which show better performance of the event-triggered task assignment al-

show abstract

“…Therefore, during the last few years researchers have almost discarded these types of functions for RT path planning and have focused on similar approaches. For instance, those developed for underwater robots that account for ocean currents and obstacles by means of the definition of drift fields and the use of grid-based planning strategies ( [14,15]). Additionally, the optimal control theory is very popular for path planning in this context, particularly multi-population genetic algorithms or clustering-based algorithms to solve vehicle task assignments [16].…”

Section: Introductionmentioning

confidence: 99%

A Path Planning Algorithm for a Dynamic Environment Based on Proper Generalized Decomposition

et al. 2020

View full text Add to dashboard Cite

A necessity in the design of a path planning algorithm is to account for the environment. If the movement of the mobile robot is through a dynamic environment, the algorithm needs to include the main constraint: real-time collision avoidance. This kind of problem has been studied by different researchers suggesting different techniques to solve the problem of how to design a trajectory of a mobile robot avoiding collisions with dynamic obstacles. One of these algorithms is the artificial potential field (APF), proposed by O. Khatib in 1986, where a set of an artificial potential field is generated to attract the mobile robot to the goal and to repel the obstacles. This is one of the best options to obtain the trajectory of a mobile robot in real-time (RT). However, the main disadvantage is the presence of deadlocks. The mobile robot can be trapped in one of the local minima. In 1988, J.F. Canny suggested an alternative solution using harmonic functions satisfying the Laplace partial differential equation. When this article appeared, it was nearly impossible to apply this algorithm to RT applications. Years later a novel technique called proper generalized decomposition (PGD) appeared to solve partial differential equations, including parameters, the main appeal being that the solution is obtained once in life, including all the possible parameters. Our previous work, published in 2018, was the first approach to study the possibility of applying the PGD to designing a path planning alternative to the algorithms that nowadays exist. The target of this work is to improve our first approach while including dynamic obstacles as extra parameters.

show abstract

Distributed multi‐vehicle task assignment in a time‐invariant drift field with obstacles

Cited by 40 publications

References 29 publications

Obstacle Avoidance Manager for UAVs Swarm

Obstacle Avoidance Manager for UAVs Swarm

Event- and time-triggered dynamic task assignments for multiple vehicles

A Path Planning Algorithm for a Dynamic Environment Based on Proper Generalized Decomposition

Contact Info

Product

Resources

About