Zastosowanie algorytmów genetycznych do konstrukcji zadań testowych dla systemu antykolizyjnego bezzałogowego pojazdu podwodnego

• Autorzy: Praczyk T.

Warianty tytułu

EN

Use genetic algorithms to construct testing tasks for the anti - collision system of an unmanned surface vehicle

• Języki publikacji: PL

Abstrakty

PL

Konstrukcja niezawodnego, automatycznego systemu antykolizyjnego dla Bezzałogowego Pojazdu Nawodnego wymaga intensywnego testowania. System musi być sprawdzony w wielu rożnych sytuacjach tak, aby można było stwierdzić, że jest bezpieczny i nie doprowadzi do kolizji. Tradycyjna metoda tworzenia zadań testowych polega na wykorzystaniu do tego celu człowieka. Projektant testow, bazując na swoim doświadczeniu, konstruuje kolejne testy starając się przy tym, aby utworzony przez niego zbior zadań testowych reprezentował wszystkie możliwe sytuacje, z ktorymi pojazd może mieć do czynienia na morzu. Problem jednak polega na tym, że człowiek nie jest w stanie przewidzieć wszystkich możliwych sytuacji, co może skutkować nieodpowiednim przygotowaniem systemu antykolizyjnego do pracy a w konsekwencji kolizją. W artykule zaproponowano inny sposob konstrukcji zadań testowych. Funkcję tą ma pełnić algorytm genetyczny, ktorego zadaniem jest poszukiwanie sytuacji stanowiących trudność dla systemu.

EN

To build a reliable automatic anti-collision system for an Unmanned Surface Vehicle it is necessary to implement an intensive testing procedure. In order for the system to guarantee safety at sea it has to be verified in many different situations. The traditional method for building such test tasks uses a test designer to create tests based on his or her experience; ideally the complete test set would represent all possible situations that the vehicle may face at sea. However, the problem is that a human cannot predict all possible situations, a flaw which may result in an inappropriate preparation of the anti-collision system and, in consequence, a collision. The following paper proposes another method for constructing testing tasks, a method that utilises a genetic algorithm. The algorithm's aim is to search for situations which may be difficult for the system or situations which are completely different from the ones tested so far.

Słowa kluczowe

PL

pojazd nawodny autonomiczny; algorytmy genetyczne; symulacje

EN

unmanned surface vehicles; genetic algorithms; simulations

• Wydawca: Polskie Towarzystwo Medycyny i Techniki Hiperbarycznej
• Czasopismo: Polish Hyperbaric Research
• Rocznik: 2012
• Tom: nr 3(40)
• Strony: 163--184
• Opis fizyczny: Bibliogr. 7 poz.

Twórcy

autor

Praczyk T.

• Akademia Marynarki Wojennej, Wydział Nawigacji i Uzbrojenia Okrętowego 81-103 Gdynia, ul Śmidowicza 69,

Bibliografia

• 1. Goldberg D. E.: “Genetic algorithms in search, optimization and machine learning”, Addison Wesley, Reading, Massachusetts, 1989;
• 2. Holland J. H.: “Adaptation in Natural and Artificial Systems”, University of Michigan Press, 1975;
• 3. Lee A., Zetterberg S.: “Establishing an IALA AIS Binary Message Register: Recommended Process”, IALA Conference 17, 108–115, 2010;
• 4. Praczyk T.: “Using Assembler Encoding to Construct Artificial Neural Networks with a Modular Architecture”, Rozprawa habilitacyjna, Wydawnictwo Akademii Marynarki Wojennej, 2011;
• 5. Praczyk T.: “Classical Anti-collision System of Unmanned Surface Vehicle”, Materiały konferencyjne: XVI International School of Computer-aided Designing, Producing and Exploitation, Jurata, 2012;
• 6. Wawrach R.: „ARPA zasada działania i wykorzystania”, WSM Gdynia, ISBN 83-86703-59-8, 2002;
• 7. Publications and Standards from the National Marine Electronics Association (NMEA) / NMEA 0183.