Implementación y validación de distintos algoritmos de inteligencia de enjambre para aplicaciones de ingeniería mecatrónica

Abstract

El siguiente trabajo se enfoca en la implementación y la validación de dos algoritmos de inteligencia de enjambre: el algoritmo del murciélago y el de la luciérnaga. El objetivo fue explorar su habilidad para resolver problemas de optimización y planificación de trayectorias, que son temas de interés para la ingeniería mecatrónica como alternativas a otros métodos, como PSO y ACO. Se implementaron los dos algoritmos en Matlab y se validaron con una variedad de funciones de costo que permitieron analizar su comportamiento en términos de convergencia y estabilidad. Luego, los algoritmos se usaron para una aplicación de planificación de trayectorias que se simuló en Matlab y Webots. En el caso de Webots, se usaron robots diferenciales para probar la validez de las trayectorias encontradas por los algoritmos. Por último, se usaron para una aplicación en la que se determinó la posición de unos sensores en un área determinada con el fin de optimizar su cobertura de área efectiva. Los resultados indican que el algoritmo de la luciérnaga presenta mayor estabilidad y precisión, pero necesita más tiempo por iteración, mientras que el algoritmo del murciélago logra converger en menos tiempo, pero sus resultados tienen una mayor variabilidad. Los dos algoritmos demostraron que se pueden usar para planificar trayectorias viables que se pueden transferir a simulaciones con robots, lo que confirma su potencial para aplicaciones con robótica móvil.

The following work focuses on the implementation and validation of two swarm intelligence algorithms: the Bat Algorithm and the Fire y Algorithm. The objective was to explore their ability to solve optimization and trajectory planning problems, which are topics of interest in mechatronics engineering as alternatives to other methods such as PSO and ACO. Both algorithms were implemented in Matlab and validated using a variety of cost functions that allowed the analysis of their behavior in terms of convergence and stability. Then, the algorithms were used for a trajectory planning application that was simulated in Matlab and Webots. In the case of Webots, differential robots were used to test the validity of the trajectories found by the algorithms. Finally, they were used for an application in which the position of several sensors in a given area was determined in order to optimize their effective area coverage. The results indicate that the Fire y Algorithm presents greater stability and precision, but requires more time per iteration, while the Bat Algorithm manages to converge in less time, but its results have greater variability. Both algorithms demonstrated that they can be used to plan feasible trajectories that can be transferred to simulations with robots, confirming their potential for applications in mobile robotics.