| dc.contributor.advisor | Δρόσος, Χρήστος | |
| dc.contributor.author | Ζησίμου, Κωνσταντία | |
| dc.date.accessioned | 2018-07-11T08:58:49Z | |
| dc.date.available | 2018-07-11T08:58:49Z | |
| dc.date.issued | 2018-06-07 | |
| dc.identifier.uri | http://okeanis.lib2.uniwa.gr/xmlui/handle/123456789/4500 | |
| dc.description.abstract | Αν παρατηρήσουμε την φύση θα δούμε πόσο καλά είναι οργανωμένη και πόσο άμεσα μπορεί να εφαρμόσει κάποιους ρυθμιστικούς παράγοντες για να επαναφέρει την ισορροπία όταν αυτό χρειαστεί. Παρατηρώντας την βλέπουμε ότι οι «αποφάσεις» της δεν είναι τυχαίες, αλλά δρουν κάτω από ορισμένους κανόνες και παίρνονται κάτω από συγκεκριμένες συνθήκες. Μάλιστα σε άριστα οργανωμένες κοινωνίες όπως των μυρμηγκιών, των πουλιών, των ψαριών κ.α. η αντιμετώπιση και η επίλυση βιολογικών προβλημάτων είναι τυποποιημένη. Δηλαδή η φύση έχει γράψει τους δικούς της αλγόριθμους. Στην καθημερινότητά μας παρατηρούμε ότι παρόμοιοι αλγόριθμοι μας βοηθούν να λάβουμε αποφάσεις για λιγότερο ή περισσότερο σημαντικά προβλήματα. Η φύση μας διδάσκει. Εφαρμόζοντας τη γνώση που παίρνουμε από την ίδια τη φύση, μπορούμε να αντιμετωπίσουμε έγκαιρα κρίσιμες καταστάσεις που έχουν να κάνουν με τη διάσωση του περιβάλλοντος (σεισμοί, φωτιές, κ.α.) ακόμα και με τη διάσωση ανθρώπινων ζωών. Συνδυάζοντας την ευφυΐα της φύσης με την τεχνολογία και την πληροφορική δημιουργήθηκε η Ρομποτική σμήνους (Swarm Robotics). Είναι τα λεγόμενα έξυπνα - συνεργατικά Ρομπότ (Collaborative Robots) τα οποία σχεδιάστηκαν για να συνεργάζονται μεταξύ τους. Στην παρούσα διατριβή θα παρουσιαστούν τα χαρακτηριστικά των γενετικών αλγορίθμων, Βελτιστοποίηση Σμήνους (PSO – Particle Swarm Optimization), Αλγόριθμος Αποικίας Μυρμηγκιών (ACO – Ant Colony Optimization), Βελτιστοποίηση Σμήνους Μελισσών (BSO – Bee Swarm Optimization). Στη συνέχεια θα γίνει μία εκτίμηση των παραμέτρων του PSO εφαρμόζοντάς τον σε μη επανδρωμένα αεροσκάφη, όταν αυτά θα κλιθούν να αντιμετωπίσουν καταστάσεις έκτακτης ανάγκης, όπως αυτής της πυρκαγιάς σε ένα δάσος. Τέλος θα αναλυθούν και θα αξιολογηθούν οι αλγόριθμοι που βοηθούν στην πρόβλεψη και στην επιτήρηση μιας πυρκαγιάς. Η μελέτη ολοκληρώνεται με την καταγραφή των συμπερασμάτων που αναμένεται να έχει η χρήση του συγκεκριμένου συστήματος. | el |
| dc.format.extent | 105 | el |
| dc.language.iso | el | el |
| dc.publisher | Α.Ε.Ι. Πειραιά Τ.Τ. | el |
| dc.subject | TPSH::Επιστήμη Υπολογιστών::Τεχνητή Νοημοσύνη | el |
| dc.subject | TPSH::Τεχνολογία::Αυτόματος Έλεγχος::Ρομποτική | el |
| dc.title | Αποτίμηση αλγορίθμων ελέγχου ρομποτικού σμήνους | el |
| dc.title.alternative | Valuation intelligent algorithms of swarm robotics | el |
| dc.type | Μεταπτυχιακή εργασία | el |
| dc.contributor.committee | Δρόσος, Χρήστος | |
| dc.contributor.committee | Αλαφοδήμος, Κωνσταντίνος | |
| dc.contributor.committee | Τσελές, Δημήτριος | |
| dc.contributor.master | Αυτοματισμός Παραγωγής και Υπηρεσιών | el |
| dc.subject.keyword | Βελτιστοποίηση | el |
| dc.subject.keyword | Ρομποτική σμήνους | el |
| dc.subject.keyword | Νοημοσύνη σμήνους | el |
| dc.subject.keyword | Particle Swarm Optimization | el |
| dc.subject.keyword | Αλγόριθμοι | el |
| dc.subject.keyword | Αλγόριθμος βελτιστοποίησης σμήνους σωματιδίων | el |
| dc.subject.keyword | PSO | el |
| dc.subject.keyword | Γενετικοί αλγόριθμοι | el |
| dc.subject.keyword | Μη επανδρωμένα αεροσκάφη | el |
| dc.subject.keyword | Αλγόριθμοι νοημοσύνης σμήνους | el |
| dc.description.abstracttranslated | If we observe nature we will see how well organized it is and how directly it can apply some regulatory factors to restore balance when needed. Observing it, we see that its decisions are not accidental but act under certain rules and taken under certain circumstances. Indeed, in well-organised societies such as ants, fish, birds, etc. dealing and solving biological problems is standardized. Specifically, nature has written its own algorithms. In our everyday life we observe that such algorithms help us make decisions about more or less importants issues. Nature teaches us. Applying the knowledge we get from nature, we can deal with early critical situations that have to be with saving the environment (earthquakes, fire, etc.) even humans beings. By combining the intelligent of nature with technology and computer science, Swarm Robotics was created. The so – called smart - Collaborative robots which were designed to cooperate with each other. In this dissertation, the characteristics of genetic algorithms, the Particle Swarm Optimization - PSO, Ant Colony Optimization - ACO and the Bee Swarm Optimization - BSO will be presented. An assessment of PSO parameters will then be made by applying it to unmanned UAV aircrafts when they have to deal with emergency situations, as that of a forest fire.Finally, we will analyze and evaluate the algorithms that help to predict and monitor a fire. The study is completed by recording the conclusions that are expected in use of this specific system. | el |
