Optimización de estrategias de enrutamiento multi-robot en redes de transporte mediante técnicas evolutivas

Abstract

[Resumen] Este Trabajo de Fin de Máster se ha centrado en el estudio y resolución de problemas de enrutamiento en redes de transporte desde un enfoque dinámico, continuo y colaborativo. Para ello, se ha desarrollado un generador dinámico de rutas, basado en un modelo neuronal y que utiliza la información del estado del entorno para determinar en tiempo real la ruta que ha de seguir cada uno de los agentes. El uso de un modelo neuronal permite que pueda utilizarse este generador en entornos diferentes a los utilizados para su entrenamiento debido a la capacidad de generalización del mismo. Debido a los requerimientos del proceso de optimización, este se ha llevado a cabo mediante algoritmos evolutivos, concretamente evolución diferencial. Con el fin de cumplir los objetivos propuestos para este proyecto ha sido necesario llevar a cabo una serie de tareas entre las que podemos destacar las siguientes: la creación de una formulación dinámica y continua de enrutamiento, la validación del método presentado respecto al estado del arte, el análisis de sensibilidad de los distintos parámetros tanto del modelo neuronal como del procedimiento evolutivo de optimización y finalmente, el uso del generador dinámico como herramienta de diseño eficiente para redes de transporte.

[Resumo] Este Traballo de Fin de Máster aborda o estudo e resolución de problemas de enrutamento en redes de transporte dende un enfoque dinámico, continuo e colaborativo. Para iso, desenvolveuse un xerador dinámico de rutas, baseado nun modelo neuronal e que utiliza a información do estado do entorno para determinar en tempo real a ruta que seguirá cada un dos axentes. O uso dun modelo neuronal permite que poda utilizarse este xerador en espazos diferentes aos utilizados para o seu adestramento debido á capacidade de xeralización do mesmo. Debido as necesidades do proceso de optimización, este levouse a cabo mediante algoritmos evolutivos, concretamente evolución diferencial. Co fin de cumprir cos obxectivos propostos para este proxecto, foi necesario levar a cabo una serie de tarefas entre as que podemos destacar as seguintes: a creación dunha formulación dinámica e continua de enrutamento, a validación do método presentado respecto ao estado do arte, o análise de sensibilidade dos distintos parámetros tanto do modelo neuronal como do procedemento evolutivo de optimización e finalmente, o uso do xerador dinámico como ferramenta de deseño eficiente para redes de transporte.

[Abstract] This Master Thesis deals with the study and resolution of routing problems in transport networks from a dynamic, continuous and collaborative approach. To this end, a dynamic route generator has been developed, based on a neural model that uses information from the environment to determine the route to be followed by each agent in real time. The use of a neural model allows the generator to be used in environments other than those used for its training due to its generalisation capacity. Due to the requirements of the optimisation process, it has been carried out using evolutionary algorithms, in particular differential evolution. In order to fulfill the set of objectives that have been proposed for this project, several tasks have been required, namely: the creation of a dynamic and continuous formulation for routing problems, the validation of the presented method with respect to the state of the art, the sensitivity analysis of the parameters of both the neural model and the evolutionary procedure and, finally, the use of the dynamic generator as an efficient design tool for transport networks.