Bueno … Tal algoritmo tendría que ser una optimización global dinámica ya que debe tener en cuenta las posiciones y el movimiento de todos los demás robots. Es posible obtener rutas aproximadas suficientemente buenas con solo información local, pero dichos resultados tendrían que actualizarse continuamente a medida que todo lo demás se mueve.
Para obstáculos inmóviles es posible obtener un camino “perfecto” que minimiza la distancia o el tiempo, pero el procedimiento es, nuevamente, una optimización global. Si no va por un camino mínimo perfecto , puede utilizar “técnicas de campo potenciales” locales. Aquí hay un viejo pero bueno que lo ayudará a comenzar: Página en www.dtic.mil.
Si las cosas se mueven, debe usar algoritmos dinámicos que encuentren una dirección y una velocidad, se muevan un poco y vuelvan a calcular; pero puede terminar siendo “acorralado” si todo lo que puede tener es información local (que también les sucede a los animales cuando son cazados …). Pruebe este que tenía por ahí: una estrategia jerárquica para la planificación de rutas entre obstáculos en movimiento. Si está buscando coordinación entre robots, vea Coordinación de ruta de robot múltiple usando campos de potencial artificial.
- Puedo usar una red neuronal y ejecutarla sobre un problema. ¿Cómo lo optimizo y mejoro los resultados?
- Lo que te molesta, ¿es la 'Inteligencia' artificial o la autoconciencia artificial?
- ¿Cuál es más fácil: crear aplicaciones de inteligencia artificial en iPhone o Android?
- ¿Qué es el comportamiento cognitivo y cómo es útil en IA?
- Cómo aprender y aplicar el aprendizaje automático de nivel superior como programador
Estos documentos no son recientes, de hecho hay investigaciones más recientes, pero las ideas básicas siguen siendo las mismas. Las tendencias actuales son usar varios tipos de estrategias de búsqueda para llegar a lo que de otro modo sería un problema dinámico insoluble. Ejemplos son:
- estrategias evolutivas (página en psu.edu),
- algoritmos aleatorios (planificación de ruta aleatoria en tiempo real para la navegación del robot),
- optimización de colonias de hormigas (El algoritmo de hormigas para resolver el problema de planificación de rutas de robots y la planificación de rutas óptima para robots móviles basados en el algoritmo de optimización de colonias de hormigas intensificado)
- optimización del enjambre de partículas (Uso de la optimización del enjambre de partículas para la planificación de la trayectoria del robot en entornos dinámicos con obstáculos y objetivos en movimiento)
Comience con lo básico para comprender el problema y la “disposición de la tierra”. Luego estudie los enfoques de “búsqueda”. De lo contrario, te sentirás perdido y confundido.