Stochastic path planning in the presence of disambiguation and neutralization capabilities

Abstract

Kanadalı Gezgin Problemi (CTP) ve Engel Etkisizleştirme Problemi (ONP), yazında iyi çalışılmış çizge kullanılarak çözülen yol planlama problemleridir. Yazında, her iki problemin de hesaplama açısından izlenebilir olmadığı gösterilmiştir. Bu tezin en önemli çalışması, belirsizliği giderme ve etkisizleştirme haklarının aynı anda bulunduğu durumda yeni bir olasılıksal yol planlama problemini yazına tanıtmasıdır. Bu çalışma, CTP ile ONP arasındaki yakın ve içsel ilişkiye rağmen, literatürde türünün ilk örneği olarak görünmektedir. Bu yeni problem Etkisizleştirmeli Kanadalı Gezgin Problemi (CTPN) olarak adlandırılır. CTPN için kesin bir şekilde çözüm veren optimal bir algoritma, CAON*, geliştirilmiştir. Bu algoritmanın performansını iyi bilinen değer yineleme (VI) ve AO* arama algoritmaları ile karşılaştırmak için Delaunay çizgelerde deneyler yapılmıştır. Belirsizliği giderme ve nötralizasyon yeteneklerinin göreceli faydası ve önemi araştırılmıştır. Başka bir çalışmada, makul çalışma sürelerinde CTPN'i çözmek için sezgiseller önerilmiştir. CTPN'i çözmek için önerilen gerçek algoritma büyük problem örnekleri için sonuç verememektedir. Bu nedenle, hızlı çalışan ve kabul edilebilir sonuçlar veren sezgiseller tasarlanmıştır. Bu sezgiseller ve gerçek algoritma, çalışmanın deneyler bölümünde performans ve kalite açısından değerlendirilmiştir. Son çalışmada, ayrık Rassal Engelli Ortam Problemi (D-SOSP) için Belirsizliği Giderme Noktası Örnekleme (DPS) sezgiseli geliştirilmiştir. CAO*, D-SOSP örneklerini muadillerine göre daha hızlı çözen ve en uygun sonuç veren optimal bir algoritmadır. Fakat, büyük problem örnekleri için durum uzayının büyüklüğünden dolayı sonuç verememektedir. DPS sezgiseli, CAO* algoritmasının büyük D-SOSP ortamları için mantıklı sürelerde kabul edilebilir sonuçlar vermesi için geliştirilmiştir.

The Canadian Traveler Problem (CTP) and the Obstacle Neutralization Problem (ONP) are two well-studied graph-theoretic path-planning problems in the literature and both problems have been shown to be computationally intractable. The most important stage in this research is proposing a new probabilistic graph theoretic path-planning problem in the simultaneous presence of disambiguation and neutralization capabilities. This appears to be the first of its kind in the literature despite the close and inherent relationship between CTP and ONP. This new problem is named as the Canadian Traveler Problem with Neutralizations (CTPN). An optimal algorithm, CAON*, is proposed to solve the CTPN exactly. Computational experiments are provided on Delaunay graphs to assess the relative performance of this algorithm in comparison to the well-known value iteration and AO* algorithms. The relative utility and importance of the disambiguation and neutralization capabilities are investigated. In another stage, heuristics are proposed to solve CTPN. The exact algorithm proposed to solve CTPN cannot give results for the large instances of the problem. Therefore, heuristics are designed to run in faster execution times with admissible results. These heuristics and the exact algorithm are compared in terms of performance and quality in the experiments part of this stage. In the last stage, Disambiguation Points Sampling (DPS) heuristic is developed to solve discrete Stochastic Obstacle Scene Problem (D-SOSP). CAO* is a fast exact algorithm due to its opponents which solves D-SOSP optimally. However, for the large problem instances, it does not give results because of the huge state space. DPS heuristic is developed to solve the D-SOSP with CAO* algorithm in reasonable execution times with promising results.